핵심 개념
잠재 확산 모델에 대한 적대적 공격을 개선하기 위한 ACE 방법론 소개
초록
잠재 확산 모델(LDM)에 대한 적대적 공격의 동적을 밝히고, ACE를 통해 이를 개선하는 방법론 제안
ACE는 적대적 공격에서 상태 최신 기술을 능가하는 성능을 보임
ACE는 LDM에 의해 강화된 무단 작품 복제로부터 개인 이미지를 보호하는 실용적 도구로 작용
소개
LDM은 이미지 합성에서 최첨단 성능을 달성
LDM은 텍스트로 안내된 고해상도 이미지 생성 가능
LDM의 적대적 공격은 무단 복제 방지에 효과적
동적적 적대적 공격
적대적 예제는 예측된 점수 함수에 추가 오류를 추가
공격을 통해 학습된 LDM은 추가 오류를 역방향 편향으로 완화
일관된 오류로 공격
ACE는 일관된 패턴을 가진 추가 오류를 만들어 샘플링 편향을 지정하고 최적화
ACE는 기존의 적대적 공격을 능가
통계
LDM은 이미지 합성에서 최첨단 성능을 달성
ACE는 상태 최신 기술을 능가하는 성능을 보임
인용구
"ACE는 LDM에 의해 강화된 무단 작품 복제로부터 개인 이미지를 보호하는 실용적 도구로 작용" - Content
"ACE는 기존의 적대적 공격을 능가" - Content