#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。

同类热门项目