Imperceptible Protection against Style Imitation from Diffusion Models

最近扩散模型的进展极大地提高了图像生成的保真度。然而，这引起了版权侵犯的担忧。虽然先前的方法引入了对抗扰动以防止风格模仿，但大多数都伴随着艺术品视觉质量的降低。我们认识到保持视觉质量的重要性，因此开发了一种视觉改进的保护方法，保留了其保护能力。为此，我们创建了一个感知地图，以识别最敏感于人眼的区域。然后，我们通过实例感知的细化来调整保护强度。我们还集成了一个感知约束库以进一步提高不可察觉性。结果表明，我们的方法大大提高了受保护图像的质量，而不会影响保护效果。

论文试图提高图像保护的质量，同时保持保护效果，解决当前图像生成技术可能侵犯版权的问题。

论文提出了一种基于感知映射和实例感知细化的图像保护方法，同时结合感知约束，以提高保护效果并保持图像质量。

论文的实验结果表明，该方法在保持保护效果的同时，能够显著提高保护图像的质量。同时，该方法还使用了感知约束和实例感知细化的技术，为图像保护领域的研究提供了新的思路。

与该论文相关的研究包括：《Adversarial Perturbations for the Protection of Deep Learning Systems: A Review》、《A Survey of Image Protection Techniques》等。