論文の概要: PREEMPT: Proactive Robustness Evaluation under Editing for Media Protection Techniques
- arxiv url: http://arxiv.org/abs/2610.24205v1
- Date: Fri, 16 Oct 2026 20:25:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 10:15:16.937826
- Title: PREEMPT: Proactive Robustness Evaluation under Editing for Media Protection Techniques
- Title（参考訳）: PreEMPT:メディア保護技術の編集による能動的ロバスト性評価
- Abstract要約: PreEMPTは画像保護のための総合評価フレームワークである。
ワンショットおよびシーケンシャルな編集シナリオの両方で堅牢性を分析する。
従来の単発評価では, 劣化挙動は隠蔽されている。
- 参考スコア（独自算出の注目度）: 0.9903723430877159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Proactive image protection methods aim to defend visual content against unauthorized manipulation and generative misuse by embedding protective signals into images before release. Evaluating whether these protections remain effective under image editing is therefore critical. However, existing evaluations remain largely limited to one-shot edits, providing only a static view of robustness while overlooking its evolution under realistic multi-step editing workflows. To systematically characterize robustness dynamics under sequential editing across various protection paradigms, we introduce PREEMPT, a holistic evaluation framework. It evaluates protection robustness under both one-shot and sequential editing scenarios, covering image transformations, semantic edits, homogeneous and heterogeneous edit compositions. To enable consistent analysis across protection paradigms with different underlying objectives, PREEMPT normalizes task-specific effectiveness into protection survival trajectories and summarizes long-horizon robustness through trajectory-based diagnostics. Using this framework, we reveal that degradation behaviors remain hidden under conventional one-shot evaluation. Furthermore, perturbation- and watermark-based protection methods exhibit different failure modes, and the first semantic edit largely determines subsequent degradation trajectories. PREEMPT provides a standardized protocol for studying long-horizon robustness and offers new insights into the degradation dynamics of proactive image protection.
- Abstract（参考訳）: プロアクティブな画像保護法は, 画像に保護信号を埋め込むことによって, 不正な操作や生成誤用から視覚的コンテンツを保護することを目的としている。
したがって、画像編集においてこれらの保護が有効であるかどうかを評価することが重要である。
しかし、既存の評価は大半がワンショット編集に限られており、現実的なマルチステップ編集ワークフローの下でその進化を見越しながら、頑健さの静的なビューのみを提供する。
様々な保護パラダイムにまたがる逐次的編集におけるロバストネスの動態を体系的に特徴付けるために,包括的評価フレームワーク PreEMPT を導入する。
ワンショットおよびシーケンシャルな編集シナリオで保護の堅牢性を評価し、画像変換、セマンティックな編集、同質および異質な編集構成をカバーする。
異なる目的の保護パラダイム間で一貫した分析を可能にするために、PreEMPTはタスク固有の効果を保護サバイバルトラジェクトリーに正規化し、トラジェクトリに基づく診断を通じて長い水平ロバスト性を要約する。
この枠組みを用いることで,従来の一発評価では劣化挙動は隠蔽されていることが明らかとなった。
さらに、摂動と透かしに基づく保護法は、異なる障害モードを示し、最初のセマンティック編集は、その後の劣化軌跡を大きく決定する。
PreEMPTは、長距離ロバスト性を研究するための標準化されたプロトコルを提供し、プロアクティブ画像保護の劣化ダイナミクスに関する新たな洞察を提供する。
関連論文リスト
- SPIN: Image Immunization Against Diffusion Editing via Single-Step Projection in Stochastic Neighborhoods [65.78461482536707]
画像免疫は、後続の編集を妨害するために入力画像に知覚不能な摂動を加えることでリスクに対処する。
textscSPINは局所軌道近傍への一段階投影による画像免疫のためのフレームワークである。
2つの画像エディタの実験では、保護性能が大幅に向上した。
論文 参考訳（メタデータ） (2026-10-05T13:41:52Z) - 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) - Do Protective Perturbations Really Protect Portrait Privacy under Real-world Image Transformations? [23.744916887231636]
画像の非許可編集や会話顔生成(TFG)から画像を保護するプロアクティブディフェンス法
画素レベルの修正が既存のプロアクティブディフェンス法の有効性に影響を及ぼすかどうかは不明である。
実世界の画像変換によって引き起こされる脆弱性を利用した,シンプルで効果的な浄化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-26T13:04:33Z) - Training-Free Disentangled Text-Guided Image Editing via Sparse Latent Constraints [2.4140502941897544]
テキスト駆動の画像操作は、しばしば属性の絡み合いに悩まされる。
Predict, Prevent, and Evaluate frameworkは、事前訓練された視覚言語モデルを活用して、アンタングル編集に利用することでこの問題に対処する。
実験の結果、提案手法はより集中的で制御された編集を強制し、顔認証を維持しながら意図しない非ターゲット属性の変化を効果的に低減することを示した。
論文 参考訳（メタデータ） (2025-12-25T11:38:10Z) - 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) - Pixel Is Not a Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models [9.905296922309157]
拡散モデルは高品質な画像合成のための強力な生成モデルとして登場し、それに基づく画像編集技術も数多くある。
従来の研究は、知覚不能な摂動を加えることで、画像の拡散に基づく編集を防ごうとしてきた。
本研究は,UNETの脆弱性を利用した新たな攻撃フレームワークであるAtkPDMと,敵画像の自然性を高めるための潜在最適化戦略を提案する。
論文 参考訳（メタデータ） (2024-08-21T17:56:34Z) - Visual-Friendly Concept Protection via Selective Adversarial Perturbations [23.780603071185197]
本稿では、画像所有者が選択した重要な概念の保護を優先する、Visual-Friendly Concept Protection (VCPro)フレームワークを提案する。
これらの摂動をできるだけ目立たずにするために、緩和された最適化目標を導入する。
実験では、VCProが摂動の可視性と保護効果の間のトレードオフをよりよいものにすることを確認した。
論文 参考訳（メタデータ） (2024-08-16T04:14:28Z) - MirrorCheck: Efficient Adversarial Defense for Vision-Language Models [55.73581212134293]
本稿では,視覚言語モデルにおける対角的サンプル検出のための,新しい,しかしエレガントなアプローチを提案する。
本手法は,テキスト・トゥ・イメージ(T2I)モデルを用いて,ターゲットVLMが生成したキャプションに基づいて画像を生成する。
異なるデータセットで実施した経験的評価により,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-06-13T15:55:04Z) - IMPRESS: Evaluating the Resilience of Imperceptible Perturbations
Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。
知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。
本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
論文 参考訳（メタデータ） (2023-10-30T03:33:41Z) - Editing Out-of-domain GAN Inversion via Differential Activations [56.62964029959131]
本稿では,構成分解パラダイムを用いて,ドメイン外反転問題に対処する新しいGAN事前編集フレームワークを提案する。
生成されたDiff-CAMマスクの助けを借りて、粗い再構成を直感的に元の画像と編集された画像で合成することができる。
また, 分解段階において, 粗い再構成から最終微編集画像を切り離すための, GAN 以前のデゴーストネットワークを提示する。
論文 参考訳（メタデータ） (2022-07-17T10:34:58Z)
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。