Meta AI | 稳定的签名:将水印根植于潜在扩散模型中

837次阅读
没有评论

【推荐理由】该方法的目标是为所有生成的图像隐藏一个不可见的水印,以便未来进行检测和/或识别。该方法可以快速微调图像生成器的潜在解码器。

The Stable Signature: Rooting Watermarks in Latent Diffusion Models
Pierre Fernandez, Guillaume Couairon, Herve J ´ egou ´, Matthijs Douze, Teddy Furon
[Meta AI &  Centre Inria de l’Universite de Rennes & Sorbonne University]

【论文链接】https://arxiv.org/pdf/2303.15435.pdf

【摘要】生成图像建模可以实现广泛的应用,但也会引起有关负责任部署的伦理问题。本论文介绍了一种积极的策略,结合图像水印和潜在扩散模型。其目标是让所有生成的图像都隐藏一个不可见的水印,以便未来进行检测和/或识别。该方法快速微调图像生成器的潜在解码器,条件是一个二进制签名。预先训练的水印提取器从任何生成的图像中恢复隐藏的签名,然后统计测试确定它是否来自生成模型。本文评估了水印在各种生成任务中的隐形性和稳健性,结果显示Stable Signature即使在图像被修改后仍然有效。例如,它可以检测来自文本提示生成的图像的来源,然后将其裁剪以保留10%的内容,在误报率低于10^-6的情况下,准确率高达90%以上。

Meta AI | 稳定的签名:将水印根植于潜在扩散模型中

Meta AI | 稳定的签名:将水印根植于潜在扩散模型中

Meta AI | 稳定的签名:将水印根植于潜在扩散模型中

 

 

 

Read More 

正文完
可以使用微信扫码关注公众号(ID:xzluomor)
post-qrcode
 
评论(没有评论)
Generated by Feedzy