The Stable Signature: Rooting Watermarks in Latent Diffusion Models

要約

ジェネレーティブ イメージ モデリングは幅広いアプリケーションを可能にしますが、責任ある展開に関して倫理的な懸念を引き起こします。
この論文では、画像透かしと潜在拡散モデルを組み合わせたアクティブな戦略を紹介します。
目標は、生成されたすべての画像が目に見えない透かしを隠し、将来の検出および/または識別を可能にすることです。
このメソッドは、バイナリ署名を条件として、イメージ ジェネレーターの潜在的なデコーダーをすばやく微調整します。
事前に訓練された透かし抽出器は、生成された画像から隠された署名を回復し、統計テストにより、それが生成モデルに由来するかどうかを判断します。
さまざまな生成タスクで透かしの不可視性と堅牢性を評価し、画像が変更された後でも安定した署名が機能することを示します。
たとえば、テキスト プロンプトから生成された画像の元を検出し、コンテンツの $10\%$ を維持するようにトリミングし、$90$+$\%$ の精度で 10$^{-6} 未満の偽陽性率を実現します。
$.

要約(オリジナル)

Generative image modeling enables a wide range of applications but raises ethical concerns about responsible deployment. This paper introduces an active strategy combining image watermarking and Latent Diffusion Models. The goal is for all generated images to conceal an invisible watermark allowing for future detection and/or identification. The method quickly fine-tunes the latent decoder of the image generator, conditioned on a binary signature. A pre-trained watermark extractor recovers the hidden signature from any generated image and a statistical test then determines whether it comes from the generative model. We evaluate the invisibility and robustness of the watermarks on a variety of generation tasks, showing that Stable Signature works even after the images are modified. For instance, it detects the origin of an image generated from a text prompt, then cropped to keep $10\%$ of the content, with $90$+$\%$ accuracy at a false positive rate below 10$^{-6}$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google