Oct, 2023

FT-Shield：一种针对文本到图像扩散模型的未经授权微调的水印

PDF
TL;DR基于潜在扩散模型的文本生成图像模型通过语言提示展现出了出色的能力，但由于版权侵犯的普遍担忧，本文提出了一种针对文本生成图像模型的水印方法 FT-Shield，以帮助检测侵权的情况。经过全面实验证明了 FT-Shield 的有效性。
text-to-image generative modelslatent diffusion modelsfine-tuning methodswatermarking approachcopyright violations
发现论文，激发创造
  • 一个用于检测文本到图像模型中艺术盗窃模仿的水印框架

    我们提出了一种新的水印框架，通过细调检测文本到图像模型的模仿。该框架在数字艺术品中嵌入微妙的水印，以保护其版权，并同时保留艺术家的视觉表达。通过分析一系列生成的图像中水印的分布，可以揭露使用被盗受害者数据进行细调模仿的行为。我们的研究证实，在各种细调场景和针对水印攻击方法中，通过分析人工生成图像中水印的分布可可靠地检测未经授权的模仿。

    Nov, 2023

  • DiffusionShield: 一种适用于生成式扩散模型的版权保护水印

    该论文介绍了一种针对生成扩散模型（GDMs）的数字水印方案 DiffusionShield，它将所有权信息编码为不可感知的水印并注入图像中，以保护图像免受 GDMs 产生的版权侵权，并展示了它相对于传统数字水印方法的显著效果。

    May, 2023

  • 水印嵌入的对抗性样本用于抵抗扩散模型的版权保护

    提出了一种将个人水印嵌入敌对实例生成中的新框架，以生成具有可见水印的图像，防止敌对模型模仿未授权图像，并在各种条件图像生成场景进行广泛实验，证明了敌对实例具有良好的传递性，从而提供了一种保护基于扩散模型的版权的简单而有效的方法。

    Apr, 2024

  • 一种无需培训的即插即用稳定扩散水印框架

    现在，稳定扩散（SD）模型家族因其高质量的输出和可扩展性而变得重要。这也引发了对社交媒体安全性的担忧，因为恶意用户可以创建和传播有害内容。现有方法涉及在生成的图像中训练组件或整个 SD 来嵌入水印，以实现可追溯性和责任归属。然而，在人工智能生成内容（AIGC）的时代，快速迭代的 SD 使得重新训练带有水印模型变得昂贵。为了解决这个问题，我们提出了一种针对 SD 的无需训练的即插即用水印框架。在不修改 SD 的任何组件的情况下，我们在潜在空间中嵌入不同的水印，适应去噪过程。我们的实验结果表明，我们的方法有效地协调了图像质量和水印的隐形性。此外，它在各种攻击下表现出很强的稳健性。我们还验证了我们的方法在多个 SD 版本中的通用性，甚至无需重新训练水印模型。

    Apr, 2024

  • 嘿，那是我的：不可察觉水印保存在扩散生成的输出中

    通过使用生成扩散模型对数据进行水印处理，我们展示了一种保护共享内容知识产权的方法，使得生成的图像带有水印并与训练数据特征相关联，以及通过统计测试确定模型是否使用了带有水印的数据。

    Aug, 2023

  • 用于文本到图像扩散模型中用户归因和指纹识别的权重调节

    本文提出了一种新的模型指纹技术，将唯一标识符印刷到生成内容中，以追溯图像的生成者，即模型的责任人，并在不影响生成内容质量的情况下，在 Text-to-Image（T2I）任务中将微调纳入其中；通过对 Stable Diffusion 模型进行大量评估，本方法为模型分发和负责任使用提供了一种有前途的新途径。

    Jun, 2023

  • 通过水印扩散过程保护扩散模型的知识产权

    本论文提出了一种名为 WDM 的新型数字水印方法，该方法可用于训练或微调扩散模型，学习一个与任务数据标准扩散过程不同的水印扩散过程（WDP），并提供了理论基础和分析，以说明该方法的有效性和鲁棒性。

    Jun, 2023

  • 基于深度学习的图文水印技术

    该论文介绍了一种基于深度学习的新型文本图像水印嵌入和提取方法，通过使用 Transformer 架构进行文本处理和 Vision Transformers 进行图像特征提取，该方法在领域内树立了新的基准。该方法是深度学习在文本图像水印处理中的首次应用，实现了自适应性改进，使模型能够智能地适应特定图像特征和新兴威胁。通过测试和评估，该方法显示出比传统水印技术更强大的鲁棒性，实现了增强不可察觉性，确保水印在各种图像内容中保持不可检测。

    Apr, 2024

  • 高斯着色：扩散模型的可证明性无性能损失图像水印

    提出了一种性能无损且无需额外训练的模型扩散水印技术，可以用于版权保护和追踪违规内容，该水印嵌入不影响模型参数，并且对于损失处理和擦除尝试具有鲁棒性。

    Apr, 2024

  • 生成式数字水印技术防止未授权主体驱动图像合成

    本文提出了一种新的数字水印系统 GenWatermark, 该系统结合了数字水印生产者和检测器，通过 fine-tuning 与合成的图像一起学习水印，以保护被合成图像的主体权益。实验证明，GenWatermark 对未知模型和文本提示以及部分数据水印化的有效性较高，并且对抵抗合成质量的潜在对策具有鲁棒性。

    Jun, 2023