ShapeMark: Robust and Diversity-Preserving Watermarking for Diffusion Models
शेपमार्क (ShapeMark) डिफ्यूजन मॉडल्स के लिए एक सुदृढ़ और विविधता-संरक्षण करने वाली वॉटरमार्किंग विधि है जो व्यक्तिगत मानों के बजाय संरचित शोर पैटर्न (structured noise patterns) में वॉटरमार्क बिट्स को एनकोड करती है और निश्चित पैटर्न को रोकने के लिए एक रैंडमाइजेशन डिज़ाइन का उपयोग करती है, जिससे उच्च पीढ़ी गुणवत्ता बनाए रखते हुए हानिपूर्ण परिदृश्यों (lossy scenarios) के विरुद्ध अत्याधुनिक मजबूती प्राप्त होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक कलाकार हैं जो एक जादुई मशीन (एक डिफ्यूजन मॉडल) का उपयोग करके तुरंत सुंदर पेंटिंग बना सकते हैं। ये पेंटिंग इतनी वास्तविक दिखती हैं कि लोग यह नहीं बता पाते कि इन्हें कंप्यूटर द्वारा बनाया गया है। लेकिन एक समस्या है: यदि कोई आपकी पेंटिंग चुरा लेता है, उसे बेच देता है, या दावा करता है कि इसे उसने बनाया है, तो आप कैसे साबित करेंगे कि यह आपकी है?
आपको एक वॉटरमार्क की आवश्यकता होगी। लेकिन यहाँ एक पेंच है:
- यह अदृश्य होना चाहिए: आप नहीं चाहते कि एक बड़ा "PROPERTY OF YUQI" स्टैम्प आपकी कला को खराब कर दे।
- यह अटूट होना चाहिए: यदि कोई इमेज को क्रॉप करता है, उसे वेब के लिए कंप्रेस करता है, या उसमें कोई फ़िल्टर जोड़ता है, तो वॉटरमार्क गायब नहीं होना चाहिए।
- यह कला को खराब नहीं करना चाहिए: मशीन को अभी भी हर बार अलग-अलग सुंदर चित्र बनाने में सक्षम होना चाहिए, न कि केवल एक ही चीज़ को बार-बार दोहराना चाहिए।
मौजूदा तरीकों ने इसे हल करने की कोशिश की है—वे आपके द्वारा बनाई गई पेंटिंग के शुरूआती "शोर" (noise) में सूक्ष्म रहस्य छिपाकर। लेकिन उनके दो बड़े दोष थे:
- "नाजुक पिक्सेल" (Fragile Pixel) की समस्या: उन्होंने एक विशिष्ट पिक्सेल की चमक को बदलकर रहस्य छिपाया। यदि आप आँखें सिकोड़कर देखें या इमेज धुंधली हो जाए, तो वह सूक्ष्म बदलाव गायब हो जाता है, और रहस्य खो जाता है।
- "अटक चुके रिकॉर्ड" (Stuck Record) की समस्या: अपने रहस्य को मजबूत बनाने के लिए, उन्होंने एक ही पैटर्न को बार-बार दोहराया। इससे मशीन हर बार एक ही तरह का बैकग्राउंड शोर बनाने लगी, जिससे उसकी रचनात्मकता और विविधता खत्म हो गई।
यहाँ आता है ShapeMark। इसे एक नए, सुपर-स्मार्ट तरीके के रूप रूप में सोचें जिससे अराजकता (chaos) में एक रहस्य छिपाया जा सकता है।
जादू का खेल: "बदलाव" के बजाय "क्रम परिवर्तन" (The Shuffle)
एक सिंगल पिक्सेल के मान (value) को बदलने के बजाय (जैसे एक लाल बिंदु को नीला बिंदु बनाना), ShapeMark बिंदुओं के क्रम (order) को बदल देता है।
1. "सॉर्टिंग हैट" सादृश्य (स्ट्रक्चरल एनकोडिंग)
कल्पना कीजिए कि आपके पास अलग-अलग आकार की कंचों (शोर) का एक बड़ा थैला है।
- पुराना तरीका: आप एक विशिष्ट कंचे पर एक छोटा सा बिंदु बनाकर रहस्य छिपाने की कोशिश करते हैं। यदि कोई कंचे को रगड़ देता है, तो वह बिंदु फीका पड़ जाता है।
- ShapeMark: आप कंचों को आकार के आधार पर ढेरों में छाँटते हैं (सबसे छोटे से सबसे बड़े तक)। फिर, आप ढेरों के क्रम को बदलकर (shuffle करके) अपना रहस्य छिपाते हैं।
- रहस्य: "छोटा ढेर बाईं ओर है, बड़ा ढेर दाईं ओर है।"
- यह क्यों काम करता है: भले ही कोई कंचों को गंदा कर दे या इमेज धुंधली हो जाए, लेकिन सापेक्ष क्रम (छोटा बनाम बड़ा) आमतौर पर वैसा ही रहता है। आपको कंचे का सटीक रंग देखने की आवश्यकता नहीं है; आपको बस यह जानने की आवश्यकता है कि कौन सा ढेर किसका है। यह वॉटरमार्क को नुकसान के प्रति सुपर रोबस्ट (मजबूत) बनाता है।
2. "रैंडम सीट स्वैप" सादृश्य (पेलोड-डीबायसिंग)
यहाँ दूसरा मुद्दा है: यदि आप एक ही रहस्य के लिए ढेरों को हमेशा एक ही तरह से शफल करते हैं, तो मशीन उस विशिष्ट शफल पैटर्न को खोजने लग सकती है, जिससे हर इमेज थोड़ी समान दिखने लगती है (बोरिंग)।
- ShapeMark का समाधान: ढेरों को शफल करने से पहले, आप एक रैंडम सीट स्वैप करते हैं जो हर बार बनाई जाने वाली तस्वीर के साथ बदल जाता है।
- कल्पना कीजिए कि आपके पास "लाल" के लिए एक गुप्त कोड है। आमतौर पर, आप लाल ढेर को सीट A में रखते हैं। लेकिन आज, आप सीट A को सीट Z के साथ रैंडमली बदल देते हैं। कल, आप सीट A को सीट B के साथ बदलते हैं।
- रहस्य अभी भी "लाल" है, लेकिन लाल ढेर का स्थान हर बार अलग होता है।
- परिणाम: मशीन हर बार पूरी तरह से अद्वितीय और विविध चित्र बनाती है, लेकिन क्योंकि आप "सीट स्वैप" का नियम (चाबी) जानते हैं, इसलिए आप बाद में रहस्य को फिर से खोज सकते हैं। यह कला को विविध और ताज़ा रखता है।
रहस्य को कैसे खोजें (डिकोडिंग)
जब आप जांचना चाहते हैं कि क्या कोई इमेज आपकी है:
- आप इमेज को मशीन के माध्यम से उल्टा चलाते हैं ताकि मूल "कंचों का थैला" (शोर) प्राप्त हो सके।
- आप ढेरों के क्रम को देखते हैं। क्या वे आपके गुप्त शफल पैटर्न का पालन कर रहे थे?
- भले ही इमेज को क्रॉप या कंप्रेस किया गया हो, शफल का पैटर्न आमतौर पर वहीं रहता है, जैसे रेडियो में शोर होने के बावजूद किसी गाने को पहचान लेना।
यह एक बड़ी बात क्यों है?
- यह कठिन है: यह JPEG कंप्रेशन, क्रॉपिंग, ब्लरिंग और यहाँ तक कि शोर (noise) को भी झेल जाता है। यह एक टैटू की तरह है जो सनबर्न होने के बाद भी दिखाई देता है।
- यह विविध है: यह AI को उबाऊ होने के लिए मजबूर नहीं करता। यह AI को लाखों अनूठे रूपांतर बनाने की अनुमति देता है जबकि वह अभी भी आपका अदृश्य आईडी कार्ड साथ लेकर चलता है।
- यह निष्पक्ष है: इसके लिए AI मॉडल को फिर से प्रशिक्षित करने की आवश्यकता नहीं है। यह केवल यह बदलता है कि मशीन अपनी प्रक्रिया कैसे शुरू करती है।
संक्षेप में: ShapeMark भीड़ के डांस स्टेप्स (नृत्य के चरणों) में एक गुप्त संदेश छिपाने जैसा है, न कि किसी व्यक्ति के माथे पर संदेश लिखने जैसा। भले ही भीड़ को धक्का लगे (विकृति) या व्यक्ति हिल जाए (रैंडमाइजेशन), आप अभी भी डांस पैटर्न को देख सकते हैं और जान सकते हैं कि वे कौन हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।