論文の概要: AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters

• arxiv url: http://arxiv.org/abs/2511.21216v1
• Date: Wed, 26 Nov 2025 09:48:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.043981
• Title: AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters
• Title（参考訳）: AuthenLoRA:著作権保護型LoRAアダプタの認識不能な透かしによるスティル化の回避
• Authors: Fangming Shi, Li Li, Kejiang Chen, Guorui Feng, Xinpeng Zhang,
• Abstract要約: Low-Rank Adaptation (LoRA) は拡散モデルをカスタマイズするための効率的なパラダイムを提供する。 既存の透かし技術はベースモデルをターゲットにするか、LoRAモジュール自体を検証する。 本稿では,LoRAトレーニングプロセスに直接,認識不能でトレーサブルな透かしを埋め込む統一透かしフレームワークであるAuthenLoRAを提案する。
• 参考スコア（独自算出の注目度）: 52.556959321030966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-Rank Adaptation (LoRA) offers an efficient paradigm for customizing diffusion models, but its ease of redistribution raises concerns over unauthorized use and the generation of untraceable content. Existing watermarking techniques either target base models or verify LoRA modules themselves, yet they fail to propagate watermarks to generated images, leaving a critical gap in traceability. Moreover, traceability watermarking designed for base models is not tightly coupled with stylization and often introduces visual degradation or high false-positive detection rates. To address these limitations, we propose AuthenLoRA, a unified watermarking framework that embeds imperceptible, traceable watermarks directly into the LoRA training process while preserving stylization quality. AuthenLoRA employs a dual-objective optimization strategy that jointly learns the target style distribution and the watermark-induced distribution shift, ensuring that any image generated with the watermarked LoRA reliably carries the watermark. We further design an expanded LoRA architecture for enhanced multi-scale adaptation and introduce a zero-message regularization mechanism that substantially reduces false positives during watermark verification. Extensive experiments demonstrate that AuthenLoRA achieves high-fidelity stylization, robust watermark propagation, and significantly lower false-positive rates compared with existing approaches. Open-source implementation is available at: https://github.com/ShiFangming0823/AuthenLoRA
• Abstract（参考訳）: Low-Rank Adaptation (LoRA) は拡散モデルのカスタマイズに効果的なパラダイムを提供するが、再配布の容易さは、不正使用や追跡不能なコンテンツの生成に対する懸念を引き起こす。 既存の透かし技術はベースモデルをターゲットにするか、LoRAモジュール自体を検証しているが、生成された画像に透かしを伝達できず、トレーサビリティに重大なギャップを残している。 さらに、ベースモデル用に設計されたトレーサビリティ・透かしは、スタイリングと密結合せず、視覚的劣化や偽陽性の検出率が高いことも多い。 これらの制限に対処するため、我々は、スタイリング品質を維持しつつ、LoRAトレーニングプロセスに直接、認識不能でトレーサブルな透かしを埋め込む統一型透かしフレームワークAuthenLoRAを提案する。 AuthenLoRAは、ターゲットスタイルの分布と透かしによる分布シフトを共同で学習し、透かし付きLoRAで生成された画像が確実に透かしを確実に持てるようにする、二重目的最適化戦略を採用している。 さらに,マルチスケール適応のための拡張LoRAアーキテクチャを設計し,透かし検証時の偽陽性を大幅に低減するゼロメッセージ正規化機構を導入する。 大規模な実験により,AuthenLoRAは従来の手法に比べて高い忠実度スタイラス化,堅牢な透かし伝播,偽陽性率を著しく低下させることが示された。 https://github.com/ShiFangming0823/AuthenLoRA

関連論文リスト

• Diffusion-Based Image Editing for Breaking Robust Watermarks [4.273350357872755]
  強力な拡散ベースの画像生成と編集技術は、堅牢なウォーターマーキングスキームに新たな脅威をもたらす。 拡散駆動型画像再生プロセスでは,画像内容の保存中に埋め込み透かしを消去できることを示す。 生成中の透かし信号に特異的な誘導拡散攻撃を導入し,透かし検出性を著しく低下させた。
  論文  参考訳（メタデータ） (2025-10-07T14:34:42Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• 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)
• Optimization-Free Universal Watermark Forgery with Regenerative Diffusion Models [50.73220224678009]
  ウォーターマーキングは、人工知能モデルによって生成された合成画像の起源を検証するために使用できる。 近年の研究では, 対象画像から表層画像への透かしを, 対角的手法を用いてフォージできることが示されている。 本稿では,最適化フリーで普遍的な透かし偽造のリスクが大きいことを明らかにする。 我々のアプローチは攻撃範囲を大きく広げ、現在の透かし技術の安全性により大きな課題をもたらす。
  論文  参考訳（メタデータ） (2025-06-06T12:08:02Z)
• LoRAGuard: An Effective Black-box Watermarking Approach for LoRAs [14.199095322820314]
  LoRAの不正使用を検出する新しいブラックボックス透かし技術であるLoRAGuardを紹介する。 LoRAGuardは、ほぼ100%の透かし検証成功を達成し、強い効果を示す。
  論文  参考訳（メタデータ） (2025-01-26T10:46:59Z)
• AquaLoRA: Toward White-box Protection for Customized Stable Diffusion Models via Watermark LoRA [67.68750063537482]
  拡散モデルは高品質な画像の生成において顕著な成功を収めた。 最近の研究は、SDモデルがポストホック法医学のための透かし付きコンテンツを出力できるようにすることを目的としている。 このシナリオにおける最初の実装としてtextttmethod を提案する。
  論文  参考訳（メタデータ） (2024-05-18T01:25:47Z)
• 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)
• Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs [23.639074918667625]
  ホワイトボックス攻撃に対するロバスト性を向上したGANのための新しいマルチビット・ボックスフリー透かし手法を提案する。 透かしは、GANトレーニング中に余分な透かし損失項を追加することで埋め込む。 その結果,透かしの存在が画像の品質に与える影響は無視できることがわかった。
  論文  参考訳（メタデータ） (2023-10-25T18:38:10Z)

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。