신경망 기반 스타일 변환을 방해할 수 있는 영역별 노이즈 생성 기법
Region-Specific Noise Generation for Untransferable Examples Against Neural Style Transfer
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
Neural Style Transfer의 확산은 동의나 보상 없이 독창적인 예술 스타일을 추출하고 복제하는 것에 활용될 수 있기 때문에 디지털 창작자의 지식재산권에 중대한 위협이 된다. 기존의 보호 기법들은 효과적인 보호를 위해 이미지 품질을 크게 저하시키거나, 품질을 보존하는 대신 미미한 보호 성능을 보이는 근본적인 상충관계(trade-off)에 직면해 있다. 본 연구는 이미지를 패치 영역(2%)과 배경 영역(98%)으로 공간적으로 분리하고 각각 적합한 교란 전략을 적용하여 이러한 문제를 해결한다. 패치 영역에는 강력한 교란으로 어텐션 메커니즘을 탈취하고, 배경 영역에는 최소한의 교란으로 전역 통계를 오염시켜 경사도 간섭을 원천적으로 제거한다. 실험 결과 제안 기법은 스타일 변환을 90% 이상 방해(STDR 0.8995)하면서도 높은 시각적 품질(SSIM 0.8624)을 유지하여, 기존 대비 38% 향상된 보호 효율을 달성했다.
Abstract
Neural Style Transfer poses a significant threat to the intellectual property rights of digital artists, as it can extract and replicate unique artistic styles without consent or compensation. Existing protection techniques face a fundamental trade-off: they either degrade image quality for effective protection or offer minimal protection to preserve quality. This paper proposes a novel region-specific noise generation that solves this trade-off by spatially segregating protection objectives. Our method divides an image into two distinct regions and applies different perturbation strategies to each: a small patch region (2% of image area) receives strong perturbations to hijack the attention mechanism, while the background region (98%) is subjected to minimal perturbations to corrupt global feature statistics. The key innovation lies in the spatial separation that fundamentally eliminates gradient interference between different loss objectives. Experimental results demonstrate that our method achieves over 90% reduction in style transfer effectiveness (STDR 0.8995) while maintaining high visual quality (SSIM 0.8624), representing a 38% improvement in protection efficiency compared to existing methods.