Immune2V：针对双流图像到视频生成的图像免疫

图像到视频 (I2V) 的生成可能会造成社会危害，因为它使得未经授权的静态图像动画能够创建逼真的深度赝品。虽然现有的防御措施可以有效防止静态图像操纵，但将这些措施扩展到 I2V 生成仍然没有得到充分探索，而且并非易事。在本文中，我们系统地分析了为什么现代 I2V 模型对于幼稚图像级对抗攻击（即免疫）具有高度鲁棒性。我们观察到，视频编码过程迅速稀释了未来帧中的对抗性噪声，并且连续的文本条件指导主动覆盖了免疫的预期破坏性效果。基于这些发现，我们提出了 Immune2V 框架，该框架在编码器级别强制执行时间平衡的潜在发散，以防止信号稀释，并将中间生成表示与预先计算的崩溃诱导轨迹对齐，以抵消文本指导覆盖。大量实验表明，在相同的不可察觉性预算下，Immune2V 比适应的图像级基线产生更强、更持久的退化。