論文の概要: ImageSentinel: Protecting Visual Datasets from Unauthorized Retrieval-Augmented Image Generation

• arxiv url: http://arxiv.org/abs/2510.12119v1
• Date: Tue, 14 Oct 2025 03:45:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.178146
• Title: ImageSentinel: Protecting Visual Datasets from Unauthorized Retrieval-Augmented Image Generation
• Title（参考訳）: ImageSentinel: 未許可の検索強化画像生成から視覚データセットを保護する
• Authors: Ziyuan Luo, Yangyi Zhao, Ka Chun Cheung, Simon See, Renjie Wan,
• Abstract要約: Retrieval-Augmented Image Generation (RAIG)は、プライベートイメージデータセットの不正使用に関して、重大な懸念を提起している。 従来のデジタル透かしアプローチはRAIGシステムの制限に直面している。 RAIGにおける視覚的データセットを保護する新しいフレームワークであるImageSentinelを提案する。
• 参考スコア（独自算出の注目度）: 42.34365308513754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread adoption of Retrieval-Augmented Image Generation (RAIG) has raised significant concerns about the unauthorized use of private image datasets. While these systems have shown remarkable capabilities in enhancing generation quality through reference images, protecting visual datasets from unauthorized use in such systems remains a challenging problem. Traditional digital watermarking approaches face limitations in RAIG systems, as the complex feature extraction and recombination processes fail to preserve watermark signals during generation. To address these challenges, we propose ImageSentinel, a novel framework for protecting visual datasets in RAIG. Our framework synthesizes sentinel images that maintain visual consistency with the original dataset. These sentinels enable protection verification through randomly generated character sequences that serve as retrieval keys. To ensure seamless integration, we leverage vision-language models to generate the sentinel images. Experimental results demonstrate that ImageSentinel effectively detects unauthorized dataset usage while preserving generation quality for authorized applications. Code is available at https://github.com/luo-ziyuan/ImageSentinel.
• Abstract（参考訳）: Retrieval-Augmented Image Generation (RAIG)が広く採用されていることで、プライベートイメージデータセットの不正使用に対する懸念が高まっている。 これらのシステムは、参照画像による生成品質向上に際し顕著な能力を示してきたが、そのようなシステムにおける不正使用から視覚的データセットを保護することは、依然として困難な問題である。 従来のデジタル透かしはRAIGシステムにおいて複雑な特徴抽出と再結合プロセスが生成時に透かし信号を保存するのに失敗するため、制限に直面している。 これらの課題に対処するために、RAIGのビジュアルデータセットを保護するための新しいフレームワークであるImageSentinelを提案する。 我々のフレームワークは、元のデータセットとの視覚的整合性を維持するセンチネルイメージを合成する。 これらのセンチネルは、検索キーとして機能するランダムに生成された文字シーケンスによる保護検証を可能にする。 シームレスな統合を実現するために,視覚言語モデルを用いてセンチネル画像を生成する。 実験により、ImageSentinelは、認証されたアプリケーションの生成品質を維持しながら、不正なデータセットの使用を効果的に検出することを示した。 コードはhttps://github.com/luo-ziyuan/ImageSentinel.comで入手できる。

関連論文リスト

• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• A Watermark for Auto-Regressive Image Generation Models [50.599325258178254]
  画像生成モデル用に明示的に設計された歪みのない透かし法であるC-reweightを提案する。 C-reweightは画像の忠実性を維持しながら再起動ミスマッチを緩和する。
  論文  参考訳（メタデータ） (2025-06-13T00:15:54Z)
• Harnessing Frequency Spectrum Insights for Image Copyright Protection Against Diffusion Models [26.821064889438777]
  本稿では,拡散生成画像がトレーニングデータの統計的特性を忠実に保存していることを示す。 emphCoprGuardは、許可されていない画像の使用を防ぐための堅牢な周波数領域透かしフレームワークである。
  論文  参考訳（メタデータ） (2025-03-14T04:27:50Z)
• Provably Secure Robust Image Steganography via Cross-Modal Error Correction [23.087977275900396]
  本稿では,最先端自己回帰(AR)画像生成モデルに基づく高品質で確実かつ堅牢な画像ステガノグラフィー手法を提案する。 我々は、損失画像の復元を支援するため、ステゴ画像からステゴテキストを生成するクロスモーダルな誤り補正フレームワークを用いる。
  論文  参考訳（メタデータ） (2024-12-15T16:10:10Z)
• 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)
• Self-supervised GAN Detector [10.963740942220168]
  生成モデルは 不正や 破壊 偽ニュースなど 悪意のある目的で悪用される トレーニング設定外の未確認画像を識別する新しいフレームワークを提案する。 提案手法は,GAN画像の高品質な人工指紋を再構成する人工指紋生成装置から構成する。
  論文  参考訳（メタデータ） (2021-11-12T06:19:04Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)

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。