論文の概要: FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models

• arxiv url: http://arxiv.org/abs/2310.02401v1
• Date: Tue, 3 Oct 2023 19:50:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 17:52:34.944950
• Title: FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models
• Title（参考訳）: FT-Shield:テキスト・画像拡散モデルにおける不正微調整に対する透かし
• Authors: Yingqian Cui, Jie Ren, Yuping Lin, Han Xu, Pengfei He, Yue Xing, Wenqi Fan, Hui Liu, Jiliang Tang
• Abstract要約: FT-Shieldはテキスト・画像拡散モデルの微調整のために特別に設計された透かし方式である。 保護された透かし画像を用いて微調整されたモデルによって画像が生成されると、2値の透かし検出器によって画像上に透かしが検出される。
• 参考スコア（独自算出の注目度）: 44.03524170130853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image generative models based on latent diffusion models (LDM) have demonstrated their outstanding ability in generating high-quality and high-resolution images according to language prompt. Based on these powerful latent diffusion models, various fine-tuning methods have been proposed to achieve the personalization of text-to-image diffusion models such as artistic style adaptation and human face transfer. However, the unauthorized usage of data for model personalization has emerged as a prevalent concern in relation to copyright violations. For example, a malicious user may use the fine-tuning technique to generate images which mimic the style of a painter without his/her permission. In light of this concern, we have proposed FT-Shield, a watermarking approach specifically designed for the fine-tuning of text-to-image diffusion models to aid in detecting instances of infringement. We develop a novel algorithm for the generation of the watermark to ensure that the watermark on the training images can be quickly and accurately transferred to the generated images of text-to-image diffusion models. A watermark will be detected on an image by a binary watermark detector if the image is generated by a model that has been fine-tuned using the protected watermarked images. Comprehensive experiments were conducted to validate the effectiveness of FT-Shield.
• Abstract（参考訳）: 潜在拡散モデル(ldm)に基づくテキストから画像への生成モデルは、言語プロンプトに応じて高品質で高解像度な画像を生成する能力を示す。 これらの強力な潜伏拡散モデルに基づいて,芸術的スタイル適応や人物の顔伝達といったテキスト間拡散モデルのパーソナライズを実現するために,様々な微調整手法が提案されている。 しかし、モデルパーソナライズのためのデータの使用は、著作権侵害に関する一般的な懸念として現れている。 例えば、悪意のあるユーザーは、微調整技術を使用して、許可なく画家のスタイルを模倣した画像を生成することができる。 そこで本研究では,テキスト・画像拡散モデルの微調整を目的とした透かし手法であるFT-Shieldを提案する。 トレーニング画像上の透かしをテキスト・ツー・イメージ拡散モデルの生成された画像に迅速かつ正確に転送できるように,透かし生成のための新しいアルゴリズムを開発した。 保護された透かし画像を用いて微調整されたモデルによって画像が生成されると、2値の透かし検出器によって画像上に透かしが検出される。 FTシールドの有効性を検証するための総合実験を行った。

関連論文リスト

• Exploiting Watermark-Based Defense Mechanisms in Text-to-Image Diffusion Models for Unauthorized Data Usage [14.985938758090763]
  安定拡散のようなテキストと画像の拡散モデルは、高品質な画像を生成するのに例外的な可能性を示している。 近年の研究では、これらのモデルのトレーニングに不正データを使用することが懸念されており、知的財産権侵害やプライバシー侵害につながる可能性がある。 本稿では,テキスト・ツー・イメージ・モデルに適用された様々な透かしに基づく保護手法のロバスト性について検討する。
  論文  参考訳（メタデータ） (2024-11-22T22:28:19Z)
• Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending [54.26862913139299]
  我々は、ウォーターマークインフォームドブレンディング(TEAWIB)による潜伏拡散モデルに対する効果的なユーザ属性に向けた新しいフレームワークを提案する。 TEAWIBは、ユーザ固有の透かしを生成モデルにシームレスに統合する、ユニークな準備可能な構成アプローチを取り入れている。 TEAWIBの有効性を検証し、知覚的品質と帰属精度で最先端の性能を示す実験を行った。
  論文  参考訳（メタデータ） (2024-09-17T07:52:09Z)
• Safe-SD: Safe and Traceable Stable Diffusion with Text Prompt Trigger for Invisible Generative Watermarking [20.320229647850017]
  安定拡散(SD)モデルは一般的に画像合成とパーソナライズされた編集の分野で栄えている。 AIが作成したコンテンツを公開プラットフォームに公開することで、法的および倫理的リスクが高まる可能性がある。 本研究では,透かしを認識不能な構造に適応させる,安全かつ高追従性安定拡散フレームワーク(SafeSD)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T05:53:17Z)
• Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T13:30:10Z)
• IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
  拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。 知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。 本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
  論文  参考訳（メタデータ） (2023-10-30T03:33:41Z)
• 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)
• A Robust Document Image Watermarking Scheme using Deep Neural Network [10.938878993948517]
  本稿では,ディープニューラルネットワークを用いたエンドツーエンドの文書画像透かし方式を提案する。 特に、エンコーダとデコーダは、透かしを埋め込んで抽出するように設計されている。 文字への埋め込み変更を制限するために、テキストセンシティブな損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-02-26T05:28:52Z)
• Protecting the Intellectual Properties of Deep Neural Networks with an Additional Class and Steganographic Images [7.234511676697502]
  本稿では,Deep Neural Network(DNN)モデルの知的特性を,追加のクラスとステガノグラフィー画像を用いて保護する手法を提案する。 我々は,ウォーターマークキー画像にユーザの指紋を埋め込むために,最下位ビット(lsb)画像ステガノグラフィを採用する。 Fashion-MNISTとCIFAR-10データセットでは,100%透かし精度と100%指紋認証成功率が得られる。
  論文  参考訳（メタデータ） (2021-04-19T11:03:53Z)
• 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。