TWIG：基于分段掩码的扩散模型两步图像生成

在社交媒体和营销时代，版权问题成为图像自由分享的主要障碍。生成式AI模型已能够创建高质量图像，但版权侵权的担忧阻碍了其广泛应用。由于这些模型使用训练图像的数据来生成新图像，确保其不侵犯知识产权往往是棘手的。一些AI模型甚至被指控直接复制受版权保护的图像，这一问题常被称为 source copying。传统的版权保护措施如水印和元数据在这方面也证明得不到效。为此，我们提出一种受条件扩散模型启发的新型两步图像生成模型。第一步涉及为一些基于提示生成的图像创建图像分段掩码。该掩码体现了图像的形状。随后，要求扩散模型在生成图像时避免该形状。该方法显示出从训练图像中结构相似性的降低，即我们能够在不进行昂贵模型重新训练或面向用户的提示生成技术的情况下使用此方法避免 source copying。这使得我们的做法成为针对基于扩散模型的图像生成中避免版权侵权和 source copying 最计算密集的方法。