최근 텍스트-이미지(text-to-image) 모델의 발전은 강력한 이미지 편집 기법을 도구로서 더 널리 노출시켜, 악의적 사용 가능성에 대한 우려를 높이고 있다. 이러한 위협에 대응하기 위한 새롭게 부상하는 연구 흐름은, 공개되기 전에 이미지에 ‘보호(protective)’ 적대적 잡음을 삽입하여, 이후 텍스트-이미지 모델을 사용한 편집 시도가 이를 방해받도록 하는 데 초점을 맞춘다. 그러나 후속 연구들은 이러한 적대적 잡음이 종종 ‘역변환(reversed)’이 비교적 쉽게 가능함을 보여주었는데, 예를 들어 JPEG 압축과 같은 단순한 기법으로도 가능하다는 점이 밝혀져 이 접근법의 실용성에 의문이 제기된다. 본 논문에서는 이미지 보호를 위한 적대적 잡음이 기존 연구의 주요 초점이었던 단순한 무지각성(자각 불가능함)에 더해, 되돌릴 수 없어야(irreversible), 즉 원본 이미지가 숨겨져 있는 경우 잡음으로서 탐지가 어렵도록 해야 한다고 주장한다. 우리는 잡음 역변환 기법에 대한 이미지 보호 방법의 견고성을 향상시키기 위한 놀랍도록 단순한 방법을 제안한다. 구체적으로, 전체 주파수 스펙트럼을 조정하기 위해 잡음에 대해 영역별 적응적(adaptive) 가우시안 블러(Gaussian blur)를 적용한다. 광범위한 실험을 통해, 본 방법이 다양한 이미지 편집 시나리오에서 다수의 역변환 기법에 대해 기존 방법들의 샘플별 최악-경우(per-sample worst-case) 보호 성능을 일관되게 향상시키는 동시에, 지각(perceptual) 지표 관점에서 잡음으로 인한 품질 저하를 감소시킴을 보여준다. 코드는 https://github.com/jsu-kim/BlurGuard 에서 제공된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.