SLICE: 画像ウォーターマーキングのための区分化埋め込みによるセマンティック潜在注入

要旨：拡散モデルの初期ノイズにウォーターマークを施すことは、画像の出所を示す有望なアプローチとして浮上していますが、内容に依存しないノイズパターンは反転および再生成攻撃によって偽造され得ます。最近のセマンティックを意識したウォーターマーキング手法は、画像の意味論に条件づけることにより頑健性を向上させます。しかし、それらは単一のグローバルな意味的結合に依存しているため、局所的ながら全体的に一貫した意味編集に対して脆弱です。この制限を解決し、信頼性の高いセマンティック対応ウォーターマークを提供するため、
\underline{\\textbf{S}}emantic
\underline{\\textbf{L}}atent
\underline{\\textbf{I}}njection via
\underline{\\textbf{C}}ompartmentalized
\underline{\\textbf{E}}mbedding (
\\textbf{SLICE}) を提案します。私たちのフレームワークは、画像の意味を4つの意味因子（主題、環境、動作、細部）に分離し、それらを初期のガウスノイズの異なる領域に正確にアンカーします。この細粒度のセマンティック結合は、セマンティックな改ざんを検出・局在化できる高度なウォーターマーク検証を可能にします。SLICE が頑健で信頼性の高い改ざん局在化を可能にし、偽陽性率に関する統計的保証を提供する理由を理論的に正当化します。実験結果は、SLICE が高度なセマンティック主導の再生成攻撃に対して既存のベースラインを大幅に上回り、画像品質とセマンティック忠実度を維持しつつ攻撃の成功率を大幅に低減することを示しています。全体として、SLICE は実用的で訓練を必要としない出所解決策を提供し、診断は細粒度で、現実的な敵対的操作にも頑健です。