Core Concepts
少量の発信元モデルの生成画像サンプルから、入力画像の発信元モデルを特定する汎用的な手法を提案する。
Abstract
本研究では、生成画像の発信元を特定する実用的な課題に取り組む。発信元モデルのパラメータにアクセスできず、発信元モデルから生成された少量のサンプル画像しか利用できない状況を想定する。
この課題を少量クラス分類問題として定式化し、CLIP ベースのフレームワーク「OCC-CLIP」を提案する。OCC-CLIP は、発信元モデルのサンプル画像と一般画像を対比して、入力画像の発信元を特定する。
広範な実験により、OCC-CLIP が様々な生成モデルに対して高い性能を発揮することを示す。さらに、最新の商用生成APIであるDALL·E-3 を用いた実験でも有効性を確認した。
OCC-CLIP は、少量サンプルから発信元を特定する汎用的な手法であり、生成画像の信頼性確保に貢献できる。
Stats
生成画像の発信元を特定する問題は重要であり、実用的な課題である。
発信元モデルのパラメータにアクセスできず、少量のサンプル画像しか利用できない状況を想定する。
この課題を少量クラス分類問題として定式化し、CLIP ベースのフレームワーク「OCC-CLIP」を提案する。
OCC-CLIP は、発信元モデルのサンプル画像と一般画像を対比して、入力画像の発信元を特定する。
広範な実験により、OCC-CLIP が様々な生成モデルに対して高い性能を発揮することを示す。
DALL·E-3 を用いた実験でも有効性を確認した。
Quotes
"Recent visual generative models are capable of producing images of exceptional quality, which have raised public concerns regarding Intellectual Property (IP) protection and accountability for misuse."
"To address the origin attribution problem above, three main methods have been explored in the community. The first method involves watermarking [26, 32, 46, 48], which requires additional modifications to the generated results, affecting the quality of generation."
"In this work, we aim to conduct origin attribution in a practical open-world setting (Fig. 1), where model parameters cannot be accessed and only a few samples generated by the model are available."