論文の概要: StyleMark: A Robust Watermarking Method for Art Style Images Against Black-Box Arbitrary Style Transfer
- arxiv url: http://arxiv.org/abs/2412.07129v1
- Date: Tue, 10 Dec 2024 02:37:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:37:21.525638
- Title: StyleMark: A Robust Watermarking Method for Art Style Images Against Black-Box Arbitrary Style Transfer
- Title（参考訳）: StyleMark:Black-Box Arbitraryスタイル転送に対するアートスタイル画像のロバストな透かし方法
- Authors: Yunming Zhang, Dengpan Ye, Sipeng Shen, Jun Wang,
- Abstract要約: Arbitrary Style Transfer (AST)は、任意のアートスタイルの絵画スタイルへの実際の自然画像のレンダリングを実現し、アートコミュニケーションを促進する。
1つの対策はロバストな透かしであり、これは著作権の透かしをキャリアに埋め込むことで画像の伝播を追跡する。
本稿では,AST後の芸術的スタイルの正確な属性を達成し,芸術的スタイルのイメージにシームレスに適用可能なStyleMarkを提案する。
- 参考スコア（独自算出の注目度）: 7.740967665502632
- License:
- Abstract: Arbitrary Style Transfer (AST) achieves the rendering of real natural images into the painting styles of arbitrary art style images, promoting art communication. However, misuse of unauthorized art style images for AST may infringe on artists' copyrights. One countermeasure is robust watermarking, which tracks image propagation by embedding copyright watermarks into carriers. Unfortunately, AST-generated images lose the structural and semantic information of the original style image, hindering end-to-end robust tracking by watermarks. To fill this gap, we propose StyleMark, the first robust watermarking method for black-box AST, which can be seamlessly applied to art style images achieving precise attribution of artistic styles after AST. Specifically, we propose a new style watermark network that adjusts the mean activations of style features through multi-scale watermark embedding, thereby planting watermark traces into the shared style feature space of style images. Furthermore, we design a distribution squeeze loss, which constrain content statistical feature distortion, forcing the reconstruction network to focus on integrating style features with watermarks, thus optimizing the intrinsic watermark distribution. Finally, based on solid end-to-end training, StyleMark mitigates the optimization conflict between robustness and watermark invisibility through decoder fine-tuning under random noise. Experimental results demonstrate that StyleMark exhibits significant robustness against black-box AST and common pixel-level distortions, while also securely defending against malicious adaptive attacks.
- Abstract（参考訳）: Arbitrary Style Transfer (AST)は、任意のアートスタイルの絵画スタイルへの実際の自然画像のレンダリングを実現し、アートコミュニケーションを促進する。
しかし、ASTの未許可のアートスタイルのイメージの誤用は、アーティストの著作権を侵害する可能性がある。
1つの対策はロバストな透かしであり、これは著作権の透かしをキャリアに埋め込むことで画像の伝播を追跡する。
残念ながら、AST生成画像は元のスタイル画像の構造的・意味的な情報を失い、透かしによるエンドツーエンドのロバストな追跡を妨げる。
このギャップを埋めるために,ブラックボックスASTの最初の堅牢な透かし手法であるStyleMarkを提案する。
具体的には,マルチスケールな透かし埋め込みにより,スタイル特徴の平均活性化を調整し,スタイル画像の共有スタイル特徴空間に透かしトレースを植え付ける新しいスタイル透かしネットワークを提案する。
さらに, コンテント統計特性の歪みを抑える分布抑制損失を設計し, 復元ネットワークは, スタイル特徴と透かしを統合することに集中させ, 固有透かし分布を最適化する。
最後に、固体のエンドツーエンドトレーニングに基づいて、StyleMarkは、ランダムノイズ下でデコーダの微調整により、ロバストネスと透かしの可視性の間の最適化競合を緩和する。
実験の結果,StyleMarkはブラックボックスASTや一般的なピクセルレベルの歪みに対して強い堅牢性を示し,悪意のあるアダプティブアタックに対して安全に防御していることがわかった。
関連論文リスト
- Certifiably Robust Image Watermark [57.546016845801134]
ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。
ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。
本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
論文 参考訳（メタデータ） (2024-07-04T17:56:04Z) - JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。
本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
論文 参考訳（メタデータ） (2024-06-06T03:31:41Z) - 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) - Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。
提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
論文 参考訳（メタデータ） (2023-06-02T23:29:28Z) - 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) - Piracy-Resistant DNN Watermarking by Block-Wise Image Transformation
with Secret Key [15.483078145498085]
提案手法は学習可能な変換画像を用いてモデルに透かしパターンを埋め込む。
海賊に耐性があるため、元のウォーターマークは海賊版ウォーターマークでは上書きできない。
その結果,高い透かし検出精度を維持しつつ,微調整や刈り込み攻撃に対して弾力性を示した。
論文 参考訳（メタデータ） (2021-04-09T08:21:53Z) - 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。