ProMark: Proactive Diffusion Watermarking for Causal Attribution

生成式人工智能（GenAI）通过高级提示能力合成和操作图像，正在通过改变创意工作流程。然而，创意人员在使用他们的内容进行GenAI训练时，往往得不到很好的支持以获得认可或奖励。为此，我们提出了ProMark，一种因果归因技术，可以将合成生成的图像归因于其训练数据概念，如对象、图案、模板、艺术家或风格。将概念信息主动嵌入输入训练图像中使用不可察觉的水印，并训练扩散模型（无条件或有条件）以保留生成图像中相应的水印。我们展示了可以将多达$2^{16}$个唯一的水印嵌入到训练数据中，每个训练图像可以包含多个水印。ProMark可以在保持图像质量的同时优于基于相关性的归因。最后，我们呈现了几个定性的例子，证明水印的存在传达了训练数据和合成图像之间的因果关系。

如何为使用GenAI进行图像合成的创作者提供更好的认可和奖励机制？

提出了一种名为ProMark的因果归因技术，通过在训练数据图像中嵌入不可察觉的水印来将合成图像归因于其训练数据概念，从而为创作者提供认可和奖励。

ProMark可以嵌入多达$2^{16}$个唯一的水印到训练数据中，并且每个训练图像可以包含多个水印。实验结果表明，ProMark在保持图像质量的同时，优于基于相关性的归因方法。论文提供了多个定性实例，证明水印的存在传达了训练数据和合成图像之间的因果关系。

最近的相关研究包括基于GAN的图像合成和因果归因技术的应用等。