DiffMark accélère le tatouage des images générées
IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse.
Transcription avec les sources de chaque passage
Ondine
DiffMark insère une clé arbitraire de 256 bits dans les dernières étapes de débruitage de modèles de diffusion gelés, puis l’extrait en 89,4 millisecondes, sans inverser le processus de génération, selon AlphaSignal. Cette extraction serait environ 17 fois plus rapide qu’avec Tree-Ring et Gaussian Shading, deux méthodes comparées dans l’article. Les auteurs rapportent un taux moyen de vrais positifs de 99,4 à 100 %, avec un taux de faux positifs fixé à 1 %, sur Stable Diffusion 2.1, Stable Diffusion 3 et FLUX. Ces résultats sont rapportés sous différentes attaques, tandis que les auteurs indiquent que des motifs fréquentiels, une correction des marges de bits et une recherche d’alignement renforcent la résistance au recadrage, à la rotation et à la régénération. La méthode vise ainsi à retrouver la clé même lorsque l’image subit ces transformations, d’après les résultats présentés dans l’article. En limitant l’empreinte du tatouage aux 5 dernières étapes, le PSNR rapporté passe de 22,40 à 26,05 décibels, tandis que le LPIPS diminue presque de moitié. Ces mesures sont présentées avec les performances de détection pour comparer les configurations du tatouage, sans que ces chiffres garantissent les mêmes résultats dans tous les usages. Les modules de tatouage ont dû être adaptés à Stable Diffusion 3 et à FLUX, et l’article a été accepté au Second Workshop on Technical AI Governance Research, organisé dans le cadre d’ICML.
Une erreur ?
Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.
Signaler une erreurUn mot pour la rédaction ?
Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.