In diesem Artikel stellen wir einen Ansatz namens WaDiff vor, der darauf abzielt, den Schutz des geistigen Eigentums bei der Verwendung von Diffusionsmodellen zur Bildgenerierung zu verbessern.
Zunächst erläutern wir das Problem der Nachverfolgbarkeit von KI-generierten Inhalten und die Notwendigkeit, Urheber zu identifizieren, um Urheberrechtsverletzungen zu verhindern. Bestehende Ansätze zur Einbettung von Wasserzeichen in generierte Inhalte haben Einschränkungen, da sie entweder zusätzliche Verarbeitungsschritte erfordern oder nur für bestimmte Diffusionsmodelle geeignet sind.
Im Gegensatz dazu integriert unser WaDiff-Ansatz die Einbettung von Wasserzeichen direkt in den Generierungsprozess des Diffusionsmodells. Dazu erweitern wir den Eingabekanal des Modells, um nutzerspezifische Wasserzeichen als bedingte Eingabe zu verwenden. Während der Feinabstimmung des Modells optimieren wir zwei Verlustfunktionen: Die "Message Retrieval Loss" stellt sicher, dass die eingebetteten Wasserzeichen effektiv extrahiert werden können, während die "Consistency Loss" die Bildqualität trotz der Wasserzeicheneinbettung erhält.
Unsere umfangreichen Experimente auf zwei populären Diffusionsmodellen zeigen, dass WaDiff eine präzise und robuste Leistung bei der Erkennung und Identifizierung von KI-generierten Inhalten erzielt. Darüber hinaus hat die Einbettung der Wasserzeichen nur einen vernachlässigbaren Einfluss auf die ursprüngliche Bildqualität. Unser Ansatz ist auch gegenüber verschiedenen Bildmanipulationen wie Skalierung, Unschärfe und Kompression robust.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Rui Min,Sen ... ב- arxiv.org 03-19-2024
https://arxiv.org/pdf/2403.10893.pdfשאלות מעמיקות