論文の概要: Persistent Watermarking of Text-to-Image Models

• arxiv url: http://arxiv.org/abs/2609.39024v1
• Date: Wed, 30 Sep 2026 05:29:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.232838
• Title: Persistent Watermarking of Text-to-Image Models
• Title（参考訳）: テキスト・画像モデルの持続的透かし
• Abstract要約: 敵は許可なく事前訓練されたT2Iモデルを取得して再利用し、APIサービスを通じて修正版を提供することができる。 モデルオーナの視点では、重要な課題は、このような変更の下で永続的なトリガデータを埋め込むことである。 本研究では,透かしモデルに異なる振舞うことを明示的に促す用語を用いた,コントラスト型透かし手法を提案する。
• 参考スコア（独自算出の注目度）: 11.975975699789636
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Text-to-image (T2I) generation is gaining increasing popularity with the general public, motivating the development of reliable mechanisms for copyrighting such models given their expensive training costs. An adversary may obtain and reuse a pretrained T2I model without authorization, and then serve a modified version through an API service. Such modifications may arise from ordinary downstream adaptation or deliberate attempts to erase ownership, including input-prompt preprocessing, model fine-tuning, and output post-processing. From the model owner's perspective, a key challenge is therefore to embed trigger data that remain persistent under such changes while preserving the model's normal image-generation capabilities. In this work, we propose a contrastive-style watermarking objective with a term that explicitly encourages the watermarked model to behave differently from the original model on trigger inputs. Experiments show substantially stronger trigger-data persistence than prior methods across a wide range of downstream modifications and deliberate attempts to weaken the watermark, resulting in higher detection rates, often approaching 100% TPR@FPR<$10^{-4}$.
• Abstract（参考訳）: テキスト・ツー・イメージ(T2I)世代は一般大衆の間で人気が高まっており、高価なトレーニングコストを考えれば、そのようなモデルを著作権化するための信頼性の高いメカニズムの開発を動機としている。 敵は許可なく事前訓練されたT2Iモデルを取得して再利用し、APIサービスを通じて修正版を提供することができる。 このような変更は、通常の下流適応や、入力プロンプト前処理、モデル微調整、出力後処理などの所有権を故意に消そうとする試みから生じる可能性がある。 モデルオーナの視点から見れば、重要な課題は、モデルの通常の画像生成能力を保ちながら、そのような変更の下で永続的なトリガデータを埋め込むことである。 本研究では,従来のモデルと異なる動作をトリガー入力で明示的に促す,対照的なスタイルの透かし目的を提案する。 実験では、広範囲の下流修正やウォーターマークの弱体化を意図的に試み、高い検出率を示し、TPR@FPR<$10^{-4}$に近づいた。

関連論文リスト

• T2S: A Rehearsal-Based Approach for Extraction-Resistant Model Watermarking [17.73236657499128]
  モデル透かしは、ユニークな行動シグネチャを誘発する独特な知識を埋め込むことで、AIの知的財産を保護します。 モデル抽出攻撃は最も深刻な脅威として浮上し、敵は予測出力を利用して元のモデルの機能を違法に再現する代理モデルを訓練する。 本稿では,モデル抽出攻撃に対するモデル透かしの堅牢性を高めるためのリハーサルベースの透かし埋め込みフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-10T06:22:40Z)
• Lossless Copyright Protection via Intrinsic Model Fingerprinting [21.898748690761874]
  既存の保護手法では、モデルを変更して透かしを埋め込むことでパフォーマンスを損なう。 そこで我々はTrajPrintを提案する。TrajPrintは、ユニークな多様体の指紋を抽出することによって、モデル著作権を検証する、完全に損失のない、トレーニング不要なフレームワークである。
  論文  参考訳（メタデータ） (2026-01-29T04:18:07Z)
• Towards Dataset Copyright Evasion Attack against Personalized Text-to-Image Diffusion Models [52.877452505561706]
  データセットのオーナシップ検証(DOV)を損なうよう特別に設計された最初の著作権回避攻撃を提案する。 CEAT2Iは, 試料検出, トリガー同定, 効率的な透かし除去の3段階からなる。 実験の結果,CEAT2I はモデル性能を保ちながら DOV 機構を効果的に回避できることがわかった。
  論文  参考訳（メタデータ） (2025-05-05T17:51:55Z)
• AGATE: Stealthy Black-box Watermarking for Multimodal Model Copyright Protection [26.066755429896926]
  バックドアの透かしとしてOoD(Out-of-Distribution)データを選択し、著作権保護のためにオリジナルのモデルを再訓練する。 既存の方法は、敵による悪意のある検出と偽造を受けやすいため、透かしの回避につながる。 マルチモーダルモデル著作権保護におけるステルスネスとロバストネスの課題に対処するために,モデル-アンダーラインに依存しないブラックボックスのバックドアWunderlineatermarking Framework (AGATE)を提案する。
  論文  参考訳（メタデータ） (2025-04-28T14:52:01Z)
• SleeperMark: Towards Robust Watermark against Fine-Tuning Text-to-image Diffusion Models [77.80595722480074]
  SleeperMarkは、回復力のある透かしをT2I拡散モデルに埋め込むように設計されたフレームワークである。 学習したセマンティックな概念から透かし情報を切り離すようモデルに誘導する。 各種拡散モデルにおけるSleeperMarkの有効性について実験を行った。
  論文  参考訳（メタデータ） (2024-12-06T08:44:18Z)
• Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending [54.26862913139299]
  我々は、ウォーターマークインフォームドブレンディング(TEAWIB)による潜伏拡散モデルに対する効果的なユーザ属性に向けた新しいフレームワークを提案する。 TEAWIBは、ユーザ固有の透かしを生成モデルにシームレスに統合する、ユニークな準備可能な構成アプローチを取り入れている。 TEAWIBの有効性を検証し、知覚的品質と帰属精度で最先端の性能を示す実験を行った。
  論文  参考訳（メタデータ） (2024-09-17T07:52:09Z)
• 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)

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。