摘要
指令引导的图像编辑能够在保留源主体可识别身份的同时修改语义属性，这带来了未经授权的基于身份的篡改风险。现有防护方法能够实现更强的身份破坏效果，但此类结果可能伴随更大的编辑变化。我们研究了一种互补的防护策略，并联合评估源身份降低程度以及相对于相应无防护编辑的偏差。所提出的方法构造源图像的匿名化版本，并将其变分自编码器（VAE）表示用作以源为条件的隐空间参考。随后，优化一个 ?∞ 有界的像素空间扰动，使受保护表示向该匿名化导出的目标移动。在9998张CelebA-Wild图像上的实验表明，所提出的方法将平均人脸识别（FR）相似度从0.620降至0.567。在主要的HIVE设置中，该方法在评估的防御方案中取得了最低的LPIPS以及最高的PSNR和SSIM，而FaceLock和CW-∞攻击则以显著更大的参考编辑偏差实现了更低的FR相似度。在InstructPix2Pix上，所提出的方法取得了与PhotoGuard相当的面部识别分数，其LPIPS为0.262，而PhotoGuard为0.428。这些结果表明，匿名化引导的隐空间扰动提供了一个独特的身份—编辑偏差工作点，在降低源身份相似度的同时限制了对相应无防护编辑的偏差。
