arXiv cs.AI· Ashutosh Dayal, Mallika Garg, Debashis Sen·· 10 小时前AI 评分31
面向 Stable Diffusion 的架构内来源归因：新任务、基准数据集与基线方法
Intra-Architecture Source Attribution for Stable Diffusion: A New Task with Benchmark Dataset and Baseline
AI 导读
研究提出 IntrAA-SD 新任务，用于区分共享同一架构主干、仅因微调而不同的 Stable Diffusion 模型，如 SDXL 的微调版本 Juggernaut XL 与 RealVis XL。
正文 · AI 翻译
摘要：设计能够将生成的图像归属到其源模型的系统，近来已成为 AI 研究的一个主要领域。大多数与图像源归属相关的现有数据集和系统都针对源模型架构特征的检测。与此不同，我们聚焦于稳定扩散，引入了一项新任务 IntrAA-SD，即稳定扩散的架构内源归属，其中待区分的源模型共享相同的架构主干，仅因微调而不同。所提出的任务与具有相同架构的微调生成器的出现相契合，例如 Juggernaut XL 和 RealVis XL，它们是 Stable Diffusion XL（SDXL）的微调版本。我们提供了首个包含 14 万张图像的基准数据集，其中包含由 SDXL 不同微调版本生成的图像，以及域内和分布外提示。我们还为 IntrAA-SD 提供了一个基线框架，该框架利用风格条件混合专家网络。它使用冻结的 CLIP 主干来捕获图像风格并门控 MoE，MoE 处理来自高分辨率 LoRA 适配的 DINOv2 网络的微调痕迹特征。文中详细阐述了所使用的微调模型、所考虑的提示策略以及新数据集所采用的构建细节。我们的基线架构内源归属方法在我们的数据集上以归属准确率进行了评估，并进行了消融研究。代码和数据集可在 此 https URL 获取。
| 评论： | 已被 IEEE/CVF 计算机视觉应用冬季会议（WACV 2027）接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.06000 [cs.CV] |
| （或 arXiv:2611.06000v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06000 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mallika Garg [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 05:47:50 UTC（27,826 KB）
来源：arXiv cs.AI · arxiv.org