Sy-Tuyen Ho, Anirudh Satheesh, Soham Chawathe, Huy Nghiem, Yongkyun Lee, Andrew Adams Schoen, Furong Huang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31659 · open-access PDF
Um zu überprüfen, ob ein Text-zu-Bild-Modell (T2I) auf einer bestimmten Bildsammlung gut eingestellt wurde, ist schwierig: Ein Modell kann visuelle Merkmale auf der Sammlungsebene absorbieren, ohne Bild-Training-Bilder zu reproduzieren. Proaktives Dataset-Use-Auditing installiert vor der Veröffentlichung ein gemeinsames Signal in einem Datensatz, dann überprüft später, ob dieses Signal in den erzeugten Ausgängen eines verdächtigen Modells erscheint. Bestehende Ansätze tauschen häufig Verifizierbarkeit, Treue, Robustheit und Bereitstellbarkeit aus. Wir führen $\textbf{SpectralCanary}$ ein, das eine glatte Low-pass-Maske verwendet, um ein festes Kanarisches Bild in
Machine translation (Meta M2M100); the English original follows.
Auditing whether a text-to-image (T2I) model was fine-tuned on a particular image collection is difficult: a model can absorb collection-level visual characteristics without reproducing training images. Proactive dataset-use auditing plants a shared signal in a dataset before release, then later checks whether that signal appears in a suspect model's generated outputs. Existing approaches often trade off verifiability, fidelity, robustness, and deployability. We introduce $\textbf{SpectralCanary}$, which uses a smooth low-pass mask to blend a fixed canary image into every collection image whil
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31659, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange