論文の概要: Generative Watermarking Against Unauthorized Subject-Driven Image Synthesis

• arxiv url: http://arxiv.org/abs/2306.07754v1
• Date: Tue, 13 Jun 2023 13:12:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 13:41:52.667593
• Title: Generative Watermarking Against Unauthorized Subject-Driven Image Synthesis
• Title（参考訳）: 非許可な主題駆動画像合成に対する生成的透かし
• Authors: Yihan Ma, Zhengyu Zhao, Xinlei He, Zheng Li, Michael Backes, Yang Zhang
• Abstract要約: 被写体駆動画像合成の誤用は、被写体所有者の権限を侵害する可能性がある。 GenWatermarkは、透かし生成器と検出器を共同で学習する新しい透かしシステムである。
• 参考スコア（独自算出の注目度）: 23.45261409913705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large text-to-image models have shown remarkable performance in synthesizing high-quality images. In particular, the subject-driven model makes it possible to personalize the image synthesis for a specific subject, e.g., a human face or an artistic style, by fine-tuning the generic text-to-image model with a few images from that subject. Nevertheless, misuse of subject-driven image synthesis may violate the authority of subject owners. For example, malicious users may use subject-driven synthesis to mimic specific artistic styles or to create fake facial images without authorization. To protect subject owners against such misuse, recent attempts have commonly relied on adversarial examples to indiscriminately disrupt subject-driven image synthesis. However, this essentially prevents any benign use of subject-driven synthesis based on protected images. In this paper, we take a different angle and aim at protection without sacrificing the utility of protected images for general synthesis purposes. Specifically, we propose GenWatermark, a novel watermark system based on jointly learning a watermark generator and a detector. In particular, to help the watermark survive the subject-driven synthesis, we incorporate the synthesis process in learning GenWatermark by fine-tuning the detector with synthesized images for a specific subject. This operation is shown to largely improve the watermark detection accuracy and also ensure the uniqueness of the watermark for each individual subject. Extensive experiments validate the effectiveness of GenWatermark, especially in practical scenarios with unknown models and text prompts (74% Acc.), as well as partial data watermarking (80% Acc. for 1/4 watermarking). We also demonstrate the robustness of GenWatermark to two potential countermeasures that substantially degrade the synthesis quality.
• Abstract（参考訳）: 大規模テキスト対画像モデルは高品質画像の合成において顕著な性能を示している。 特に、被写体駆動モデルは、その被写体から数枚の画像で一般的なテキスト・ツー・イメージモデルを微調整することにより、特定の被写体、例えば人間の顔や芸術的スタイルのイメージ合成をパーソナライズすることができる。 それでも、被写体駆動画像合成の誤用は被写体所有者の権限を侵害する可能性がある。 例えば、悪意のあるユーザーは、特定の芸術的スタイルを模倣したり、許可なく偽の顔画像を作成するために、主題駆動合成を使うことがある。 このような悪用から被写体を保護するために、近年の試みは、被写体駆動画像合成を無差別に妨害する敵の例に頼っている。 しかし、これは本質的に、保護された画像に基づく主観的合成の良心的な使用を妨げている。 本稿では, 汎用的な合成のために保護画像の有用性を犠牲にすることなく, 異なる角度から保護を目指す。 具体的には,透かし生成器と検出器を共同で学習する新しい透かしシステムであるGenWatermarkを提案する。 特に, 被写体駆動合成を生き残るために, 特定の被写体に対して, 検出器を合成画像に微調整することにより, 生成過程をgenwatermarkの学習に組み込む。 この操作は、透かし検出精度を大きく向上させるとともに、個々の被験者に対する透かしの特異性を保証する。 広範囲な実験により、genwatermarkの有効性が検証され、特に未知のモデルとテキストプロンプト(74%)と部分的なデータウォーターマーキング(80%は1/4のウォーターマーキング)を持つ実用的なシナリオにおいて検証される。 我々はまた、GenWatermarkが合成品質を著しく低下させる2つの潜在的な対策に対して堅牢性を示す。

関連論文リスト

• Trigger-Based Fragile Model Watermarking for Image Transformation Networks [2.38776871944507]
  脆弱な透かしでは、微妙な透かしが、改ざん時に透かしが壊れるように、物体に埋め込まれる。 画像変換・生成ネットワークのための新規なトリガ型フラクタモデル透かしシステムを提案する。 私たちのアプローチは、堅牢な透かしとは別として、さまざまなデータセットや攻撃に対して、モデルのソースと整合性を効果的に検証します。
  論文  参考訳（メタデータ） (2024-09-28T19:34:55Z)
• ProMark: Proactive Diffusion Watermarking for Causal Attribution [25.773438257321793]
  本稿では,因果帰属手法であるProMarkを提案する。 概念情報は、知覚不能な透かしを用いて入力訓練画像に積極的に埋め込まれる。 トレーニングデータに最大216ドルのユニークな透かしを埋め込むことができ、各トレーニング画像には複数の透かしが含まれています。
  論文  参考訳（メタデータ） (2024-03-14T23:16:43Z)
• On the Learnability of Watermarks for Language Models [80.97358663708592]
  言語モデルが透かし付きテキストを生成するために直接学習できるかどうかを問う。 本稿では,教師モデルとして振舞う学生モデルを訓練する透かし蒸留法を提案する。 モデルは、高い検出性で透かし付きテキストを生成することができる。
  論文  参考訳（メタデータ） (2023-12-07T17:41:44Z)
• FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models [64.89896692649589]
  テキスト・画像拡散モデルの微調整に適した透かしシステムであるFT-Shieldを提案する。 FT-Shieldは新しい透かしの生成と検出戦略を設計することで著作権保護の課題に対処する。
  論文  参考訳（メタデータ） (2023-10-03T19:50:08Z)
• Unbiased Watermark for Large Language Models [67.43415395591221]
  本研究では, モデル生成出力の品質に及ぼす透かしの影響について検討した。 出力確率分布に影響を与えることなく、透かしを統合することができる。 ウォーターマークの存在は、下流タスクにおけるモデルの性能を損なうものではない。
  論文  参考訳（メタデータ） (2023-09-22T12:46:38Z)
• T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
  画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。 このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。 提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
  論文  参考訳（メタデータ） (2023-09-07T16:12:06Z)
• Adaptive Blind Watermarking Using Psychovisual Image Features [8.75217589103206]
  本稿では,カバー画像の異なる部分に埋め込まれた透かしの強度を適応的に決定する手法を提案する。 また, 提案手法は, 異なる種類の共通透かし攻撃において, 組込みペイロードを効果的に再構築できることを示す。
  論文  参考訳（メタデータ） (2022-12-25T06:33:36Z)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal Attack for DNN Models [72.9364216776529]
  我々は異なる視点から新しい透かし除去攻撃を提案する。 我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。 我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
  論文  参考訳（メタデータ） (2020-09-18T09:14:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。