論文の概要: NullEdit: Stealthy Image Protection via VLM Condition Redirection
- arxiv url: http://arxiv.org/abs/2608.10870v1
- Date: Tue, 11 Aug 2026 12:46:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.042576
- Title: NullEdit: Stealthy Image Protection via VLM Condition Redirection
- Title（参考訳）: NullEdit: VLM条件リダイレクトによるステルス画像保護
- Abstract要約: 現代の画像エディタは、視覚言語モデルと拡散トランスフォーマーのバックボーンを組み合わせて、微調整なしで指示に従って単一の参照イメージを変更する。
本稿では,参照画像から生成したVLM表現を目標としたNullEditを提案する。
NullEdit は EditReward IF スコアを SOTA ベースラインに対して平均 0.813 削減する。
- 参考スコア（独自算出の注目度）: 7.002777588351422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern image editors combine vision-language models (VLMs) with diffusion transformer backbones to modify a single reference image according to instructions without fine-tuning. This capability also enables unauthorized manipulation of publicly released images. Existing inference-time defenses either invalidate edits through conspicuous corruption, thereby exposing the protection, or allow them to proceed with identity or reference content drift, thereby failing to prevent the editing behavior itself. We instead target a stealthy and harmless no-op in which the requested edit is suppressed, the output remains natural and source-preserving without conspicuous artifacts or identity replacement, and harmful semantics requested by malicious instructions are absent. We propose NullEdit, which targets the VLM representation jointly formed from the reference image and instruction before it conditions the downstream DiT backbone. Using normal-edit and no-edit anchors, NullEdit redirects this representation, while cross-prompt gradient averaging transfers protection to held out instructions. Across Step1X-Edit and Qwen-Image-Edit on CelebA-HQ and VGGFace2, NullEdit reduces the EditReward IF score by 0.813 on average relative to the SOTA baseline while preserving subject identity and source content.
- Abstract（参考訳）: 現代の画像エディタは、視覚言語モデル(VLM)と拡散トランスフォーマーのバックボーンを組み合わせて、微調整なしで単一の参照画像を変更する。
この機能は、公開画像の不正な操作を可能にする。
既存の推論時防御は、目立った汚職によって編集を無効にし、保護を露出させるか、アイデンティティや参照コンテンツドリフトを進行させ、編集動作自体を妨害する。
代わりに、要求された編集が抑制され、アウトプットは自然なままで、顕著なアーティファクトやID置換なしに保存され、悪意のある指示によって要求される有害な意味論が欠落しているステルスで無害なノープをターゲットとします。
本稿では,参照画像から生成したVLM表現を目標としたNullEditを提案する。
通常のeditとno-editアンカーを使用して、NullEditはこの表現をリダイレクトする。
Step1X-EditとQwen-Image-Edit on CelebA-HQとVGGFace2でNullEditは、対象のアイデンティティとソースの内容を保持しながら、SOTAベースラインに対して平均して、EditReward IFスコアを0.813削減する。
関連論文リスト
- Diffusion Image Editing via Asynchronous Token Decoding [9.39531887626368]
ATDEditは、各サンプリングステップをグローバルに結合されたトークンマトリックスの並列更新とみなす推論時フレームワークである。
トークンワイズ条件推定を用いて編集可能な位置を推定し、選択したトークンセットに目標条件補正を適用する。
キー/バリューのソースメモリを保留位置で提供し、プロジェクトは保留位置の潜在行を元の値に戻す。
論文 参考訳（メタデータ） (2026-08-10T09:02:13Z) - Model the Edit, Not the Image: Visual Autoregressive Editing from a Source-Centric Perspective [23.408232115772833]
次世代の視覚自己回帰モデル(VAR)は強力な生成パラダイムとして登場し、高画質の画像を生成する。
我々は、共有自己回帰文脈下で、ソース条件とターゲット条件の予測を比較したtextbfEditModを提案する。
実験の結果、EditModは強力なテキストアライメントを維持しながらソースイメージの忠実度を向上し、1つのA100 GPU上で1K画像のエンドツーエンド編集をわずか1.57秒で完了することが示された。
論文 参考訳（メタデータ） (2026-08-10T03:05:09Z) - MIRAGE: Protecting against Malicious Image Editing via False Moderation [73.0838743416626]
画像免疫に関する以前の研究は、許可されていない操作から保護するために、イメージに知覚できない摂動を追加する。
我々は,この問題をシステムレベルで把握し,すべての主要な商用画像編集システムに共通する未探索の攻撃面を特定する。
本稿では、これらのモデレーションをポリシー違反としてフラグ付けさせ、編集プロンプトによらず自動的な拒絶を引き起こすことにより、イメージを免疫することを提案する。
論文 参考訳（メタデータ） (2026-06-24T16:23:10Z) - Edit the Bits, Diff the Codes: Bitwise Residual Editing for Visual Autoregressive Models [85.59447229497101]
BitResEditは、Infinityのようなビットワイズ残留VARジェネレータのためのトレーニング不要のエディタである。
ソース-負のガイダンスは、共有編集プレフィックスで計算されたソース-ターゲットコントラストに沿って、ビットごとのポストCFGログ-oddを傾けることで実行される。
サンプルされたビットをスケールごとの連続コード残基に変換し、ローカライゼーションマスクでゲートし、ジェネレータのネイティブサム・オブ・スケールを通じて再注入する。
論文 参考訳（メタデータ） (2026-06-11T16:41:25Z) - When Recovery Matters: The Blind Spot of Surrogate Privacy in MLLM Editing [61.80513991207956]
我々は、36のきめ細かいプライバシーカテゴリと65の編集手順をカバーする最初のリカバリ指向ベンチマークであるSPPE(Surrogate-based Privacy-Preserving Editing)を紹介する。
編集性評価のために、ERMAはSRCCで13.9%、PLCCで12.3%向上した。
SPPEとInstructPix2Pixの実験では、両方のタスクが一貫した改善が見られた。
論文 参考訳（メタデータ） (2026-06-05T11:40:03Z) - Purify Once, Edit Freely: Breaking Image Protections under Model Mismatch [21.826849937304477]
拡散モデルは高忠実な画像編集を可能にするが、不正なスタイルの模倣や有害なコンテンツ生成に誤用することもできる。
これらのリスクを軽減するため、プロアクティブな画像保護手法は、下流の編集や微調整を妨害するために共有する前に、画像に小さな、しばしば知覚できない敵の摂動を埋め込む。
我々は,モデルミスマッチ下での保護生存性を評価するために,統合されたリリース後浄化フレームワークを導入する。
論文 参考訳（メタデータ） (2026-03-13T14:36:46Z) - ProEdit: Inversion-based Editing From Prompts Done Right [63.554692704101]
インバージョンベースのビジュアル編集は、ユーザ指示に基づいて画像やビデオを編集するための効果的でトレーニングのない方法を提供する。
既存の方法は、通常、編集一貫性を維持するためにサンプリングプロセス中にソースイメージ情報を注入する。
注意点と潜伏点の両方においてこの問題に対処するProEditを提案する。
論文 参考訳（メタデータ） (2025-12-26T18:59:14Z) - SecureT2I: No More Unauthorized Manipulation on AI Generated Images from Prompts [29.963044242980345]
SecureT2Iは拡散ベースの生成モデルにおける不正な編集を防止するために設計されたフレームワークである。
画像は、編集許可に基づく許可セットと禁止セットに分類する。
SecureT2Iは、許諾画像の性能を維持しながら、禁じられた画像の操作品質を効果的に劣化させることを示す。
論文 参考訳（メタデータ） (2025-07-04T15:05:55Z) - UIP2P: Unsupervised Instruction-based Image Editing via Edit Reversibility Constraint [87.20985852686785]
本研究では,教師なし指導に基づく画像編集手法を提案する。
本稿では,編集可逆性制約 (ERC) と呼ばれる新しい編集機構を導入することで,これらの課題に対処する。
これにより、地道に編集されたイメージの必要性を回避し、実際のイメージキャプチャペアまたはイメージキャプチャインストラクショントリプルからなるデータセットで、初めてトレーニングをアンロックすることが可能になります。
論文 参考訳（メタデータ） (2024-12-19T18:59:58Z) - FreeEdit: Mask-free Reference-based Image Editing with Multi-modal Instruction [31.95664918050255]
FreeEditは参照ベースの画像編集を実現するための新しいアプローチである。
ユーザフレンドリーな言語命令に基づいて参照画像から視覚概念を正確に再現することができる。
論文 参考訳（メタデータ） (2024-09-26T17:18:39Z) - Doubly Abductive Counterfactual Inference for Text-based Image Editing [130.46583155383735]
本稿では,1つの画像のテキストベースの画像編集(TBIE)について,反事実推論を用いて検討する。
本稿では,DAC(Dububly Abductive Counterfactual Inference framework)を提案する。
我々のDACは編集性と忠実さのトレードオフをうまく達成しています。
論文 参考訳（メタデータ） (2024-03-05T13:59:21Z) - iEdit: Localised Text-guided Image Editing with Weak Supervision [53.082196061014734]
テキスト誘導画像編集のための新しい学習法を提案する。
ソースイメージに条件付けされた画像とテキスト編集プロンプトを生成する。
画像の忠実度、CLIPアライメントスコア、および生成された画像と実際の画像の両方を定性的に編集する点において、画像に対して好ましい結果を示す。
論文 参考訳（メタデータ） (2023-05-10T07:39:14Z)
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。