ترجمه فارسی مقاله هر تصویر ارزش هزار کلمه را ندارد: کمی سازی اصالت در انتشار پایدار

چکیده

This work addresses the challenge of quantifying originality in text-to-image (T2I) generative diffusion models, with a focus on copyright originality. We begin by evaluating T2I models’ ability to innovate and generalize through controlled experiments, revealing that stable diffusion models can effectively recreate unseen elements with sufficiently diverse training data. Then, our key insight is that concepts and combinations of image elements the model is familiar with, and saw more during training, are more concisly represented in the model’s latent space. We hence propose a method that leverages textual inversion to measure the originality of an image based on the number of tokens required for its reconstruction by the model. Our approach is inspired by legal definitions of originality and aims to assess whether a model can produce original content without relying on specific prompts or having the training data of the model. We demonstrate our method using both a pre-trained stable diffusion model and a synthetic dataset, showing a correlation between the number of tokens and image originality. This work contributes to the understanding of originality in generative models and has implications for copyright infringement cases.

چکیده به فارسی (ترجمه ماشینی)

این کار به چالش کمیت اصالت در مدل های انتشار مولد متن به تصویر (T2I) ، با تمرکز بر اصالت کپی رایت می پردازد.ما با ارزیابی توانایی مدل های T2I در نوآوری و تعمیم از طریق آزمایش های کنترل شده شروع می کنیم ، نشان می دهد که مدل های انتشار پایدار می توانند به طور موثری عناصر غیب را با داده های آموزشی کافی متنوع بازآفرینی کنند.سپس ، بینش اصلی ما این است که مفاهیم و ترکیب عناصر تصویر که مدل با آن آشنا است ، و بیشتر در طول آموزش می بینید ، در فضای نهفته مدل به طور خلاصه نمایش داده می شوند.از این رو ما روشی را پیشنهاد می کنیم که از وارونگی متنی استفاده می کند تا اصالت یک تصویر را بر اساس تعداد نشانه های مورد نیاز برای بازسازی آن توسط مدل اندازه گیری کند.رویکرد ما از تعاریف قانونی از اصالت الهام گرفته شده است و هدف آن ارزیابی این است که آیا یک مدل می تواند بدون تکیه بر اعلان های خاص یا داشتن داده های آموزشی مدل ، محتوای اصلی را تولید کند.ما روش خود را با استفاده از هر دو مدل انتشار پایدار از پیش آموزش داده شده و یک مجموعه داده مصنوعی نشان می دهیم ، که بین تعداد نشانه ها و اصالت تصویر همبستگی نشان می دهد.این کار به درک اصالت در مدلهای تولیدی کمک می کند و پیامدهای مربوط به موارد نقض حق چاپ را دارد.