ChronoLock：保护视频免遭未经授权的文本到视频个性化处理

文本到视频 (T2V) 扩散模型使得合成逼真且时间连贯的视频变得越来越容易，而最近的个性化技术允许此类模型仅从几个参考剪辑中模仿特定主题、风格或运动模式。此功能带来了新的数据滥用风险：在线共享的视频可能会被收集并用于未经授权的 T2V 微调。现有的保护性扰动主要是为图像识别或文本到图像的个性化而设计的，因此侧重于破坏静态外观线索，而不是使视频个性化成为可能的时间去噪动态。为了弥补这一差距，我们推出了 ChronoLock，这是第一个主动保护框架，使已发布的视频难以被用于未经授权的 T2V 个性化。 ChronoLock 通过优化时间去噪轨迹上的有界扰动来直接瞄准运动学习过程。它首先通过结合拟合误差、帧相关去噪关系和相邻帧变化的扩散目标来破坏块内时间适应，然后扩大块间边界失配以削弱长程运动连续性。变换采样更新进一步提高了对常见预处理操作的鲁棒性。在具有流行的 T2V 主干和个性化方案的 UCF Sports 和 HMDB51 上进行的实验表明，ChronoLock 有效减少了自动指标和人工评估下的运动模仿。