Fugu-MT 論文翻訳(概要): Immune2V: Image Immunization Against Dual-Stream Image-to-Video Generation

論文の概要: Immune2V: Image Immunization Against Dual-Stream Image-to-Video Generation

arxiv url: http://arxiv.org/abs/2604.10837v1
Date: Sun, 12 Apr 2026 22:13:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-14 20:13:16.24203
Title: Immune2V: Image Immunization Against Dual-Stream Image-to-Video Generation
Title（参考訳）: 免疫2V:デュアルストリーム画像対ビデオ生成に対する画像免疫
Abstract要約: I2V(Image-to-Video)生成は、静的画像の無許可アニメーションによって現実的なディープフェイクを作成できるため、社会的な害をもたらす可能性がある。我々は,現代のI2Vモデルがイメージレベルの敵対的攻撃に対して極めて堅牢である理由を分析する。本稿では,エンコーダレベルで時間的バランスの取れた潜伏分散を強制し,信号の希釈を防止するImmune2Vフレームワークを提案する。
参考スコア（独自算出の注目度）: 39.751363871863134
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image-to-video (I2V) generation has the potential for societal harm because it enables the unauthorized animation of static images to create realistic deepfakes. While existing defenses effectively protect against static image manipulation, extending these to I2V generation remains underexplored and non-trivial. In this paper, we systematically analyze why modern I2V models are highly robust against naive image-level adversarial attacks (i.e., immunization). We observe that the video encoding process rapidly dilutes the adversarial noise across future frames, and the continuous text-conditioned guidance actively overrides the intended disruptive effect of the immunization. Building on these findings, we propose the Immune2V framework which enforces temporally balanced latent divergence at the encoder level to prevent signal dilution, and aligns intermediate generative representations with a precomputed collapse-inducing trajectory to counteract the text-guidance override. Extensive experiments demonstrate that Immune2V produces substantially stronger and more persistent degradation than adapted image-level baselines under the same imperceptibility budget.
Abstract（参考訳）: I2V(Image-to-Video)生成は、静的画像の無許可アニメーションによって現実的なディープフェイクを作成できるため、社会的な害をもたらす可能性がある。既存のディフェンスは静的な画像操作を効果的に防ぐが、これらをI2V世代に拡張することは未探索であり、非自明である。本稿では,現代のI2Vモデルがイメージレベルの敵対的攻撃(すなわち免疫)に対して極めて堅牢である理由を系統的に分析する。ビデオ符号化プロセスは, 将来的なフレーム間の対向ノイズを急速に減らし, 連続的なテキスト条件による誘導は, 免疫の意図した破壊効果を積極的に上書きする。これらの知見に基づいて,エンコーダレベルで時間的バランスの取れた潜伏分散を強制し,信号の希釈を防止するImmune2Vフレームワークを提案し,中間生成表現を予め計算された崩壊誘導軌道と整合させてテキスト誘導オーバライドを無効にする。広汎な実験により、Immune2Vは、同じ非受容性予算の下で、適応された画像レベルのベースラインよりも大幅に強く、より持続的な劣化を生じることが示された。

関連論文リスト

The Price of Consistency: Exploiting Visual Anchors for Multimodal Jailbreaking in Video Generation [83.99528259002504]
このメカニズムにより、生成したコンテンツが元の有害な意図から遠ざかることを防ぐことができる。本稿では、この脆弱性を利用したビデオ生成のためのトレーニング不要なマルチモーダルジェイルブレイクフレームワークである、Visual Anchors (DIVA)によるDecoupling Intentを提案する。今後の研究を容易にするため,マルチ条件ビデオ生成のための最初の安全ベンチマークであるTI2SafetyBenchを寄贈する。
論文参考訳（メタデータ） (2026-09-07T08:34:00Z)
I2VShield: An Efficient Proactive Defense Framework against DiT-based Image-to-Video Models [4.606986864282809]
ビデオ生成モデルは、イメージ・ツー・ビデオ(I2V)モデルの誤用の増加につながっている。現在のI2Vモデルに対する積極的な防御は、主に勾配に基づく敵攻撃に依存している。 I2Vモデルに適した生成的敵攻撃に基づくプライバシ保護手法であるI2VShieldを提案する。
論文参考訳（メタデータ） (2026-07-28T10:05:11Z)
Anti-Prompt: Image Protection against Text-Guided Image-to-Video Generation [10.54860936583801]
I2V生成の最近の進歩により、単一の画像をテキストガイダンスの下で説得力のあるビデオにアニメーションすることができる。画像に知覚不能な摂動を注入する画像保護手法であるアンチプロンプトを提案する。
論文参考訳（メタデータ） (2026-07-01T22:00:18Z)
Bypassing Copyright Protection in Diffusion-based Customization via Two-Stage Latent Feature Optimization [51.33055188976282]
敵対的攻撃は個人化された画像生成において悪意のあるコンテンツの偽造を防ぐ防衛戦略として浮上した本稿では,2段階遅延特徴最適化 (TS-LFO) を導入する。広範な実験により、TS-LFOは、最先端のSOTA著作権防衛を一貫して回避し、DiffPure、GrIDPure、IMPRESSなどのSOTA著作権攻撃より優れていることが示されている。
論文参考訳（メタデータ） (2026-06-06T07:59:08Z)
Anti-I2V: Safeguarding your photos from malicious image-to-video generation [10.905313539503863]
我々は、悪意ある人体画像からビデオへの生成に対する新しい防御であるAnti-I2Vを紹介した。 RGB空間のノイズ更新を制限する代わりに、Anti-I2Vは$L$*$a$*$b$*と周波数領域の両方で動作する。
論文参考訳（メタデータ） (2026-03-25T17:48:10Z)
T2VAttack: Adversarial Attack on Text-to-Video Diffusion Models [67.13397169618624]
本稿では,テキスト・トゥ・ビデオ(T2V)モデルに対するセマンティックおよび時間的観点からの敵対的攻撃に関する研究であるT2VAttackを紹介する。提案手法は, 意味的, 時間的クリティカルな単語をプロンプトで識別し, アドレディ検索による同義語に置き換えるT2VAttack-Sと, 最適化された単語を最小の摂動で反復的に挿入するT2VAttack-Iである。
論文参考訳（メタデータ） (2025-12-30T03:00:46Z)
Towards Transferable Defense Against Malicious Image Edits [70.17363183107604]
Transferable Defense Against Malicious Image Edits (TDAE)は、悪意のある編集に対するイメージ免疫を強化する新しいバイモーダルフレームワークである。本稿では,FlatGrad Defense Mechanism (FDM) を紹介した。テキストエンハンスメント保護のための動的プロンプトディフェンス (DPD) を提案し, テキスト埋め込みを周期的に洗練し, 免疫画像の編集結果を元の画像と整合させる。
論文参考訳（メタデータ） (2025-12-16T12:10:16Z)
Vid-Freeze: Protecting Images from Malicious Image-to-Video Generation via Temporal Freezing [2.48490797934472]
Vid-Freezeは、新しい注意を抑える敵攻撃であり、画像に慎重に敵の摂動を追加する。本手法は, 動作合成を完全に破壊するI2Vモデルの注意機構を目標とした。その結果、免疫された画像は、スタンスチールまたはニアスタティックなビデオを生成し、悪意のあるコンテンツ生成を効果的にブロックする。
論文参考訳（メタデータ） (2025-09-27T12:26:34Z)
AdvI2I: Adversarial Image Attack on Image-to-Image Diffusion models [33.29825481203704]
AdvI2Iは、入力画像を操作して拡散モデルを誘導し、NSFWコンテンツを生成する新しいフレームワークである。ジェネレータを最適化して敵画像を作成することで、AdvI2Iは既存の防御機構を回避できる。本稿では,AdvI2IとAdvI2I-Adaptiveの両方が,現行の安全対策を効果的に回避可能であることを示す。
論文参考訳（メタデータ） (2024-10-28T19:15:06Z)
StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
論文参考訳（メタデータ） (2023-12-18T15:25:23Z)

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。