論文の概要: Catch You Everything Everywhere: Guarding Textual Inversion via Concept Watermarking

• arxiv url: http://arxiv.org/abs/2309.05940v1
• Date: Tue, 12 Sep 2023 03:33:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 06:43:22.418730
• Title: Catch You Everything Everywhere: Guarding Textual Inversion via Concept Watermarking
• Title（参考訳）: あらゆるものをキャッチする:コンセプト・ウォーターマーキングでテキストのインバージョンを守る
• Authors: Weitao Feng, Jiyan He, Jie Zhang, Tianwei Zhang, Wenbo Zhou, Weiming Zhang, Nenghai Yu,
• Abstract要約: 本稿では,透かし情報を対象概念に埋め込んで,その概念に基づいて生成された画像から抽出する新しい概念透かしを提案する。 実際には、コンセプトオーナは、自身のコンセプトを異なる透かし(e, serial number)をプラットフォームにアップロードすることができ、プラットフォームは異なるシリアル番号を、その後の追跡と法医学のために割り当てる。
• 参考スコア（独自算出の注目度）: 67.60174799881597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AIGC (AI-Generated Content) has achieved tremendous success in many applications such as text-to-image tasks, where the model can generate high-quality images with diverse prompts, namely, different descriptions in natural languages. More surprisingly, the emerging personalization techniques even succeed in describing unseen concepts with only a few personal images as references, and there have been some commercial platforms for sharing the valuable personalized concept. However, such an advanced technique also introduces a severe threat, where malicious users can misuse the target concept to generate highly-realistic illegal images. Therefore, it becomes necessary for the platform to trace malicious users and hold them accountable. In this paper, we focus on guarding the most popular lightweight personalization model, ie, Textual Inversion (TI). To achieve it, we propose the novel concept watermarking, where watermark information is embedded into the target concept and then extracted from generated images based on the watermarked concept. Specifically, we jointly train a watermark encoder and a watermark decoder with the sampler in the loop. It shows great resilience to different diffusion sampling processes possibly chosen by malicious users, meanwhile preserving utility for normal use. In practice, the concept owner can upload his concept with different watermarks (ie, serial numbers) to the platform, and the platform allocates different users with different serial numbers for subsequent tracing and forensics.
• Abstract（参考訳）: AIGC(AI-Generated Content)は、テキスト・ツー・イメージタスクのような多くのアプリケーションにおいて、さまざまなプロンプト、すなわち自然言語の異なる記述で高品質な画像を生成することができる。 さらに驚くべきことに、新しいパーソナライゼーション技術は、いくつかの個人イメージを参照として、目に見えない概念を記述することに成功し、価値あるパーソナライズされたコンセプトを共有するための商用プラットフォームもいくつか存在する。 しかし、このような高度な手法は、悪意のあるユーザーがターゲット概念を誤用して、高度に現実的な違法な画像を生成するという深刻な脅威をもたらす。 そのため、悪意のあるユーザーを追跡して責任を負う必要がある。 本稿では、最も人気のある軽量パーソナライズモデルであるテキスト・インバージョン(TI)の保護に焦点を当てる。 そこで本研究では,透かし情報を対象概念に埋め込んで,その概念に基づいて生成された画像から抽出する新しい概念透かしを提案する。 具体的には、ループ内のサンプルと透かしエンコーダと透かしデコーダを共同でトレーニングする。 悪意のあるユーザによって選択される可能性のある,さまざまな拡散サンプリングプロセスに対する大きなレジリエンスを示します。 実際には、コンセプトオーナは、自身のコンセプトを異なる透かし(e, serial number)をプラットフォームにアップロードすることができ、プラットフォームは異なるシリアル番号を、その後の追跡と法医学のために割り当てる。

関連論文リスト

• Conceptwm: A Diffusion Model Watermark for Concept Protection [23.64920988914223]
  現在の透かし方式は、特定の概念をターゲットにした洗練された方法で適用するのではなく、すべての画像に透かしを追加する。 拡散モデルの概念に知覚不能な透かしをシームレスに埋め込む新しい概念指向透かしフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-11-18T16:11:25Z)
• 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)
• Visual Concept-driven Image Generation with Text-to-Image Diffusion Model [65.96212844602866]
  テキスト・ツー・イメージ(TTI)モデルは複雑なシーンの高解像度画像を生成するという印象的な結果を示した。 近年のアプローチでは、これらの手法をパーソナライズ技術で拡張し、ユーザ認証の概念の統合を可能にしている。 しかし、人間の被写体のような複数の相互作用する概念を持つ画像を生成する能力は、1つにまたがったり、複数にまたがったりする概念は、いまだに説明がつかないままである。 これらの課題に対処する概念駆動型TTIパーソナライズフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-18T07:28:37Z)
• RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
  本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。 我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。 このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
  論文  参考訳（メタデータ） (2024-01-23T22:00:49Z)
• 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)
• Break-A-Scene: Extracting Multiple Concepts from a Single Image [80.47666266017207]
  テキストシーン分解の課題を紹介する。 本稿では,対象概念の存在を示すマスクを用いた入力画像の拡張を提案する。 次に、新しい2段階のカスタマイズプロセスを示す。
  論文  参考訳（メタデータ） (2023-05-25T17:59:04Z)
• Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
  我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。 我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
  論文  参考訳（メタデータ） (2021-12-17T15:52:46Z)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)

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。