DnCNNを用いた生成AIに対する画像作品保護

• Item type: SIG Technical Reports(1)
• 公開日: 2024-02-25
• タイトル: DnCNNを用いた生成AIに対する画像作品保護
• タイトル / 言語: en
• タイトル: Illust Protection against Generative AI using DnCNN
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州工業大学大学院生命体工学研究科
• 著者所属: 九州工業大学大学院生命体工学研究科
• 著者所属: 九州工業大学大学院生命体工学研究科／九州工業大学ニューロモルフィックAI ハードウェア研究センター
• 著者所属(英): en
• 著者所属(英): Graduate Scool of Life Science and Systems Engineering, Kyushu Institute of Technology
• 著者所属(英): en
• 著者所属(英): Graduate Scool of Life Science and Systems Engineering, Kyushu Institute of Technology
• 著者所属(英): en
• 著者所属(英): Graduate Scool of Life Science and Systems Engineering, Kyushu Institute of Technology / Research Center for Neuromorphic AI Hardware, Kyushu Institute of Technology
• 著者名: 福田, 有輝也; 金岡, 大樹; 田向, 権
• 著者名(英): Yukiya, Fukuda; Daiju, Kanaoka; Hakaru, Tamukoh
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Stable Diffusion をはじめとする画像生成 AI は急速に発展しているが，その一方でクリエイターの画像作品を無許可で模倣するなどの問題が懸念されている．この問題に対して，画像作品に対して細かな摂動を加えることで画像生成AI による模倣を防止する手法等が提案されている．しかし，これらの手法は画像１枚毎に最適化が必要であり，計算コストが高い．本研究では，摂動付与を深層学習モデルで代替することで，従来の最適化を省略し，高速に摂動を付与する手法を提案する．実験の結果，提案手法の摂動生成速度は従来手法と比べて高速であった．また，摂動の画像保護性能についても従来手法と同程度であるのを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Although generative AI such as stable diffusion are rapidly developing, but there are concerns about problems such as unauthorised mimicking of creators’ illustrations. In order to address this problem, some researchers proposed methods such as adding small perturbations to the illustrations for prevention Generative AI from mimicking the illustration. However, these methods require a high computational cost due to the complex optimization. In this study, we propose a novel method to replace the perturbation assignment with a deep learning, which eliminates the optimization step and significantly accelerate conventional methods. As a result of experiments, the proposed method runs significantly faster than conventional methods. Our image protection performance of the perturbation was also confirmed to be comparable to the previous method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2024-CVIM-237, 号 45, p. 1-6, 発行日 2024-02-25
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会