Single-Model Attribution of Generative Models Through Final-Layer Inversion

要約

生成モデリングにおける最近の進歩により、実用的な単一モデルのアトリビューションへの関心が高まっています。
このような方法は、たとえば知的財産の盗難を証明するために、サンプルが特定のジェネレーターによって生成されたかどうかを予測します。
ただし、以前の作品は閉じた世界の設定に限定されているか、生成モデルに望ましくない変更を必要とします。
私たちは、まず、単一モデルの帰属を異常検出のレンズを通して見ることで、これらの欠点に対処します。
この視点の変化から生まれ、最終層の反転と異常検出に基づいた、オープンワールド環境における単一モデルの帰属のための新しいアプローチである FLIPAD を提案します。
利用された最終層の反転が凸なげなわ最適化問題に還元され、私たちのアプローチが理論的に健全で計算効率が高いものになることを示します。
理論的な発見には、私たちのアプローチの有効性とさまざまな領域に対するその柔軟性を実証する実験研究が伴います。

要約(オリジナル)

Recent breakthroughs in generative modeling have sparked interest in practical single-model attribution. Such methods predict whether a sample was generated by a specific generator or not, for instance, to prove intellectual property theft. However, previous works are either limited to the closed-world setting or require undesirable changes to the generative model. We address these shortcomings by, first, viewing single-model attribution through the lens of anomaly detection. Arising from this change of perspective, we propose FLIPAD, a new approach for single-model attribution in the open-world setting based on final-layer inversion and anomaly detection. We show that the utilized final-layer inversion can be reduced to a convex lasso optimization problem, making our approach theoretically sound and computationally efficient. The theoretical findings are accompanied by an experimental study demonstrating the effectiveness of our approach and its flexibility to various domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google