不可上色样本：基于感知觉知色度约束扰动的未经授权AI上色防护

基于AI的上色技术已展现出从灰度输入生成逼真彩色图像的显著能力。然而，它带来了版权侵权的风险——例如，对黑白漫画和电影进行未经授权的上色和转售。尽管存在这些担忧，目前尚无有效方法来防止此类滥用。为此，我们引入了首个防御范式——不可上色样本（Uncolorable Examples），通过在灰度图像中嵌入不可感知的扰动来使未经授权的上色失效。为确保现实应用性，我们建立了四项标准：有效性、不可感知性、可迁移性和鲁棒性。我们的方法——感知觉知色度约束扰动（PAChroma），通过使用拉普拉斯滤波器优化不可感知扰动以保持感知质量，并在优化过程中应用多样化输入变换以增强跨模型的可迁移性和对常见后处理（如压缩）的鲁棒性，生成了满足这四项标准的不可上色样本。在ImageNet和Danbooru数据集上的实验表明，PAChroma在保持视觉外观的同时有效降低了上色质量。这项工作标志着保护视觉内容免受非法AI上色侵害的第一步，为生成媒体中的版权感知防御铺平了道路。