#440 · 主分类: 计算机视觉
photoguard
adversarial-attacks
adversarial-examples
computer-vision
deep-learning
deepfakes
robustness
stable-diffusion
提高恶意AI图像编辑的成本
项目最后更新:02/27/23
GitHub Stars
695
Forks数量
68
贡献者数量
1
许可证
MIT
收录理由
PhotoGuard 针对的是一个很具体的现实威胁:别人把你发到网上的照片丢进扩散模型,就能生成以假乱真的篡改图。它的思路是在图片公开前悄悄加一层微小的对抗扰动,让 Stable Diffusion 这类工具在编辑时输出明显扭曲或与原图无关的结果,从而抬高恶意修图的成本。仓库实现了两种攻击策略,一种轻量级作用于图像编码器,另一种更强的端到端扩散攻击,并附带了可运行的 notebook,覆盖图生图和修复(inpainting)流程。代码属于论文配套的研究实现,使用上需要跟着 notebook 走、自己调参数,而不是开箱即用的服务;不过项目里提供了 Gradio 交互演示,能快速看到效果,再决定要不要深入集成。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。