هوش مصنوعی

پژوهشگران بنچمارکی برای تشخیص مدل‌های ریزتنظیم‌شدهٔ Stable Diffusion معرفی کردند

IntrAA-SD برای انتساب تصویر به مدل سازنده، میان مدل‌هایی تمایز می‌گذارد که معماری یکسانی دارند اما با ریزتنظیم از هم متفاوت شده‌اند.

۱ دقیقه مطالعه
Figure 1 : Sample images from our IntrAA-SD benchmark dataset generated using identical prompts by SDXL fine-tunes represented by M1: SDXL Base, M2: Juggernaut, M3: RealVis, M4: DreamShaper, M5: Animagine, M6: Counterfei
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشگران در پیش‌چاپی در arXiv مسئله‌ای به نام IntrAA-SD را برای شناسایی مدل سازندهٔ تصاویر تولیدشده با Stable Diffusion معرفی کرده‌اند. برخلاف روش‌هایی که به تفاوت معماری مدل‌ها تکیه دارند، این مسئله مدل‌هایی را از هم تفکیک می‌کند که بدنهٔ معماری مشترکی دارند و فقط در مرحلهٔ ریزتنظیم متفاوت شده‌اند؛ مانند Juggernaut XL و RealVis XL که نسخه‌های ریزتنظیم‌شدهٔ Stable Diffusion XL هستند.

این پژوهش یک مجموعه‌دادهٔ بنچمارک با ۱۴۰ هزار تصویر از ریزتنظیم‌های مختلف SDXL ارائه می‌کند که شامل پرامپت‌های درون‌دامنه و خارج از توزیع است. نویسندگان همچنین یک روش پایه پیشنهاد می‌کنند که در آن CLIP ثابت سبک تصویر را استخراج و شبکهٔ Mixture-of-Experts را هدایت می‌کند؛ این شبکه ویژگی‌های ردپای مدل‌های ریزتنظیم‌شده را از DINOv2 با وضوح بالا و سازگارشده با LoRA پردازش می‌کند. روش با سنجش دقت انتساب روی مجموعه‌داده و اجرای مطالعات حذف مؤلفه‌ها ارزیابی شده است. مقاله در WACV 2027 پذیرفته شده است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست