反AI项目组
  • 👋欢迎来到反AI项目组
  • 概览
    • 💡师傅您是做什么的?
    • ✨公告更新
  • 知识库
    • ☺️图像保护技术
      • 芝加哥大学Glaze导读
      • Glaze使用说明及效果
      • 噪声注入、扰动性对抗等技术的调研
    • 😜文本、音乐等创意保护技术
  • 项目
    • 🛠️赛博禁区 -- No-AI Zone
      • 项目概述
      • 社区App技术架构
      • 项目管理
  • 其他资源
    • 🖇️外部链接和工具
      • 芝加哥大学Glaze
Powered by GitBook
On this page
  • 1. 下载
  • 2. 操作说明
  • 2.1 概览
  • 2.2 下载Resource
  • 2.3 开始Glazing
  • 3. 效果概述
  • 不同渲染质量(Render Quality)和强度(Intensity)下效果对比
  • 有效性验证
  1. 知识库
  2. 图像保护技术

Glaze使用说明及效果

Previous芝加哥大学Glaze导读Next噪声注入、扰动性对抗等技术的调研

Last updated 1 year ago

Glaze官网:

1. 下载

下载链接:

Glaze仍在开发迭代中。提供了多个版本,图中版本依次为:

  • Glaze 1.0.1 Windows GPU版本(需要NVIDIA显卡,满足要求的推荐该版本,处理速度会快很多)

  • Glaze 1.0.1 Windows CPU版本(需要5GB RAM,不需要NVIDIA显卡,处理速度慢)

  • Glaze 1.0.1 MacOS(MacOS 13.0 以上) M1/M2 芯片,通过CPU运行,处理时间较长

  • Glaze 1.0.1 MacOS(MacOS 13.0 以上) Intel 芯片,通过CPU运行,处理时间极长

GPU版本总共会需要大约5G (CPU版本总共约为3GB)的磁盘空间(那么大也是硬伤)

2. 操作说明

2.1 概览

程序安装完毕后包括主要四个模块,

  1. 图片选择

  2. 参数调整

  • 强度(Intensity):提供更好的保护效果,需要花费更长的时间,同时甚至有可能造成图像更多肉眼可见的变化

  • 渲染质量(Render Quality):高渲染质量能带来更好的保护效果,但是会花费更久的时间

  1. 存储:选择你保存图像的路径

  2. 预览:显示需要消耗的时间以及相应的效果图

2.2 下载Resource

在首次打开Glaze程序后,程序会联网下载运行所需资源。如之前提到的,CPU版本总共会需要3G的磁盘空间,GPU版本约为5G的磁盘空间。

2.3 开始Glazing

点击Run Glaze后会开始图像处理,首先是解析图片。

随后会根据参数设置进行Glazing,CPU情况下耗时较长。

GPU版本的速度会非常快(如下图),但是会需要你有相应的INVIDA显卡(5G显存以上),此处的原因是显卡的计算单元比起CPU更适用于图像处理的场景,算力也更高。图中为使用3080系列显卡的效果。

3. 效果概述

以下为使用GPU版本(CPU和GPU版本仅影响处理的速度)对图像在不同强度和渲染质量下的对比。

不同渲染质量(Render Quality)和强度(Intensity)下效果对比

从左到右为依次加强强度(Intensity),从上至下为依次加强渲染质量(Render Quality),如提示中所描述的,更强的强度可能会导致更明显的肉眼可见的图像变化。而更高的渲染质量,虽然不明显,但也会为图片轻微添加肉眼可见的变化。

此处的原因是在计划添加肉眼不可见但是可以直接影响AI学习效果的像素点变化(如高斯噪声等)时,算法依然改变了图像的大面积像素点,破坏了原图的效果。而过低的保护强度又很难保证保护效果。这也是当下扰动性对抗思路的难点,即如何保证原图质量的前提下,改变少数像素点就可以更有效的增加模型学习成本,且有一定的移植性。

渲染质量/强度
0
10
20
30
40

Faster

Medium

Slower

Slowest

有效性验证

需要收集多种解决方案、多个绘画模型,设立对比组,将保护/未保护的图像投喂给模型后对比模型产出图片的效果。还需要考量到被保护图片的还原度等。

模型选择

选择多个AI绘图模型,例如DALL-E、Stable Diffusion、Midjourney等甚至一些AI绘画的相关平台。

测试数据集创建

选择由各种类型的艺术作品组成的测试数据集。数据集将包含各类画风和主题(以及色彩色调等,glaze等似乎对浅色色块更容易产生肉眼可见的影响),以覆盖各种艺术风格。

防御策略

罗列各种可行的防御策略(扰动性对抗策略),当下有比如Glaze、Mist以及直接的高斯噪声、频域蒙版等。

结果对比

最后,我们将比较AI生成的艺术作品与原始作品的差异进行对比。效果需要考虑以下方面:

- 视觉相似度:度量AI生成的艺术作品与原始作品的视觉相似性。

- 原图被影响的程度: 原图被破坏,肉眼可见的色块改变需要在可控范围内。

- 对抗性成功率:量化对抗性攻击能够使AI生成的艺术作品与原始作品在视觉上有多大差异。(可以参考Glaze论文的Artist-rated protection success rate (Artist-rated PSR),用户评估?)

艺术作品
保护模式
原画影响度
测试模型
对抗性成功率

作品1

Glaze、Mist、高斯噪声...

高...

DALL-E、Stable Diffusion、Midjourney...

0.1...

作品2

...

...

...

...

作品N

...

...

...

...

以上为效果验证计划,效果验证进行中...

☺️
https://glaze.cs.uchicago.edu/
https://glaze.cs.uchicago.edu/downloads.html
glaze download
glaze菜单
首次打开后资源下载
开始glazing
开始glazing
GPU模式下Glazing
原图