论文
EDGE-Shield：高效的降噪阶段屏蔽，通过可扩展的基于参考的匹配来过滤违规内容
EDGE-Shield: Efficient Denoising-staGE Shield for Violative Content Filtering via Scalable Reference-Based Matching
摘要
文本到图像生成模型的出现带来了侵犯版权和深度伪造生成的重大风险。由于新的受版权保护的作品和私人的不断涌现，基于参考的 无需训练 内容过滤器对于提供最新的保护而不受固定知识截止的限制至关重要。然而，现有的基于参考的方法在处理大量参考时通常缺乏可扩展性，并且需要等待完成图像生成。为了解决这些问题，我们提出了 EDGE-Shield，这是一种在去噪过程中可扩展的内容过滤器，可以在有效阻止违规内容的同时保持实际延迟。我们利用基于嵌入的匹配来进行有效的参考比较。此外，我们引入了 \textit{$x$}-pred 变换，将模型的噪声中间潜伏转换为后期的伪估计干净潜伏，从而提高了早期去噪阶段违规内容的分类准确性。我们针对 Z-Image-Turbo 和 Qwen-Image 两种生成模型进行了违规内容过滤实验。 EDGE-Shield 在延迟方面显着优于传统的基于参考的方法；它使 Z-Image-Turbo 的处理时间减少了约 79\%$，Qwen-Image 的处理时间减少了约 50\%$，同时保持了不同模型架构的过滤精度。