2024-11-05

anond:20241105143355

できるよ!!

一番確実な学習妨害は公開しないこと

 

公開範囲限定するのそれなりに効果はあるけれど100%ではないよ。

…例えば物理Onlyでかつ有償でのみ閲覧可にしてもネタ画像と称して漫画コマを切り抜きしてtweetする人がいるように



Glaze も学習妨害効果はあるけれど100%ではないよ。

…Glazeの仕組みは他人の画風と混ぜ混ぜして学習をだます仕組みだけれど、Glazeは、学習使用するモデル妨害したい画像データ欺瞞データ計算するため 計算使用したモデルに対してのみにしか妨害効果がないから、適用範囲が限られてるよ。そのうえ、GlazeはSD1.5で動作するように設計されてるけれど、現時点でSD1.5を使用している人はほとんどいないよ。さらに、SD1.5の時代においても、ユーザー各自ニーズに合わせてファインチューニングされたモデルを使っていて、素のSD1.5そのままを利用している人はほぼいないよ。加えて、素のSD1.5に対しても、効果のある元データ欺瞞データの組み合わせの幅が狭く、常に効果があるわけではないよ。…論文は正しいしアプリもそれなりに動くけれど前提が現実に合っていないの



Nightshadeも学習妨害効果はあるけれど100%ではないよ。

…Nightshadeの仕組みは大規模モデルではトークン画像の特徴の結びつきが弱いか簡単に乗っ取れるよなの。スタバなうラーメンが出る現象みたいなやつ。論文では画像WEBで公開する時は画像関係ないテキストをつけろと言ってるけれど、そんなことしたら意味不明ツイートになったり、画像投稿サイトにUPしても見つけてもらえなくなるから誰も実践してないの。Nightshadeのアプリ画像から画像説明を生成するアプリを騙す処理を施すのであって学習妨害する機能は無いよ。しかも実際は全然騙せていないのん。それに、学習する側はNightshadeとは関係なしに説明文の生成で誤検出等があるのが前提で手動で画像説明文を修正するのが当たり前だから論文で言ってることは正しいけれど誰も実践できてないの

ウォーターマーク学習妨害効果はないよ

…「この画像ウォーターマークのついている画像です」の説明文とともにウォーターマークごと学習して、ウォーターマーク画像の特徴はウォーターマークトークンに関連付けられて学習されるの。ウォーターマーク以外の部分はその他のトークン学習されるの。ウォーターマーク付きのデータが増えると、より正確にウォーターマーク概念学習できるの。

ウォーターマーク学習妨害ではなく当該著作物の2次利用の防止のためにつけるものなの。例えば、勝手にグッズにされたとか

ウォーターマークがついていない本商品を売るためにサンプルとしての参考画像ウォーターマークをつけるの。本商品にまでウォーターマークつけるとウォーターマークついた状態で2次利用されてしまうの。


サイン学習妨害効果はないよ

ウォーターマークと同様にサイントークンに吸収されて学習されるの。

サイン盗作防止のためにつけるの。例えば、第3者がこの絵は俺が描いたとか。

無断転載は防げないけれど、無断転載されても著作者を主張できるように積極的サインはつけるべきと思うの

  • 😎「勘違いしてないかねオレが100%になった理由を」 😎「お前はまだ100%のオレと戦う“資格”を持ったにすぎない」 😎「今お前を殺そうと思えば片腕で十分だということを忘れるな...

記事への反応(ブックマークコメント)

ログイン ユーザー登録
ようこそ ゲスト さん