研究チームは7月30日(現地時間)、生成型画像編集技術による画像修正から画像を保護する「VETO (ヴィートー)」に関する論文をarXiv cs.CVで公開した。VETOは、現代の画像編集モデルがソース画像を読み取る内部メカニズムを妨害する「subtle anti-edit cloak」として導入されている。研究チームは、既存ベンチマークでは評価が不十分だった広範な文脈シフトへの防御を測る評価ベンチマーク「VetoBench (ヴィートーベンチ)」も同時に発表した。
FLUX.2のような強力かつ容易に利用可能な画像編集モデルの登場により、高精度の画像編集が容易になった。これらの機能は、局所的な修正に留まらず、オブジェクトやアイデンティティを新しいシーンで再文脈化することにも及ぶ。プロンプトや生成トークンが参照画像トークンに直接注目することで、現代の画像編集モデルは従来の編集とテキストから画像への合成の境界を曖昧にしている。編集の自由度拡大は、予測可能な局所的編集に限定されず、有害な変換を引き起こす悪用の可能性も広げている。
既存のアンチ編集防御策は、従来の拡散パイプラインにおける参照画像エンコーディングのセマンティックボトルネックを妨害するように設計されていた。しかし、新しい編集モデルは、ジョイントアテンションブロックを通して参照情報を抽出し、しばしばこれらの防御策を回避する。VETOは、現代の画像編集モデルがソース画像を読み取るこの内部メカニズムを妨害するsubtle anti-edit cloakとして提案されている。
さらに、既存の編集ベンチマークが包括的な再文脈化を十分にテストできていない現状に対し、研究チームはVetoBenchを導入した。VetoBenchは、従来の局所的編集だけでなく、より広範な文脈のシフトに対しても防御策を評価する。2つの現代的な編集モデルと3つのベンチマークにわたる評価の結果、VETOは既存の防御策を一貫して上回り、より強力な保護と忠実度のトレードオフを提供することが示された。
参考: arXiv cs.CV — 2026年7月31日 13:00 (JST)
原文ハイライト"VETO: Towards Protecting Images From Frontier AI Editing"