要約: SERUMを提案します。拡散モデル（DMs）によって生成された画像に印をつける、興味深く、かつ非常に効果的な方法です。我々は初期の拡散生成ノイズに一意の透かしノイズを追加するだけで、透かし画像を識別する軽量な検出器を訓練し、従来のアプローチの利点を簡素化・統合します。SERUMは任意の画像拡張や透かし削除攻撃に対して頑健性を提供し、非常に効率的でありながら画像品質への影響は極めて小さいです。従来のアプローチは、多くの場合、限定的な摂動に対してのみ耐性があり、訓練・挿入・検出コストが大きくなるのに対し、我々のSERUMは驚くべき性能を達成します。ほとんどの状況で偽陽性率1%のときに最高の真陽性率（TPR）を達成し、注入と検出が迅速で検出器の訓練負荷も低いです。その分離されたアーキテクチャは、個々の透かしを埋め込み、透かし間の干渉をほとんど生じさせずに複数のユーザーをシームレスにサポートします。全体として、私たちの方法はDMsの出力に印をつけ、生成画像と自然画像を信頼性高く識別する実践的な解決策を提供します。
返却形式: {"translated": "翻訳されたHTML"}
SERUM: 拡散モデルを用いた画像生成のための単純で効率的、堅牢、統一的なマーキング
arXiv cs.CV / 2026/3/17
📰 ニュースTools & Practical UsageModels & Research
要点
- SERUMは、単純な方法を導入します: 初期の拡散生成ノイズに一意のウォーターマークノイズを加え、ウォーターマーク付き画像を識別する軽量検出器を訓練します。
- 画像データ拡張やウォーターマーク除去攻撃に対して堅牢でありつつ、画像品質を保ち、計算効率も高いことを目指します。
- 本手法は、ほとんどのシナリオで偽陽性率が1%の時に高い真陽性率を達成し、検出器の訓練負荷を低く抑えつつ、埋め込みと検出を高速に行います。
- 分離型アーキテクチャにより、複数のユーザーが個別のウォーターマークを埋め込み、マーク同士の干渉を最小限に抑えられます。
- 拡散モデルの出力にマーキングを施す実用的なソリューションを提供し、生成画像と自然画像を信頼性高く識別します。
