可在手机终端部署，人大等提出全新人物图片保护模型RID

主要观点总结

本文介绍了机器之心AIxiv专栏过去数年的学术、技术内容报道，特别是关于中国人民大学和Sea AI Lab联名提出的全新人物图片保护模型RID。该模型能够实时保护人物图片不被恶意定制化生成，通过提前训练的小网络实现输入图片输出扰动的方式，有效防止模型记住特定概念并生成新视角、新场景的图片。文章还介绍了RID的工作原理、实验结果、模型架构以及未来展望。

关键观点总结

关键观点1: 机器之心AIxiv专栏的数年的报道内容。

该专栏报道了全球高校与企业顶级实验室的学术、技术内容，有效促进了学术交流与传播。

关键观点2: 中国人民大学和Sea AI Lab联名提出的新型人物图片保护模型RID。

RID模型通过提前训练的小网络实现输入图片输出扰动，能够在短时间内防止图片被恶意定制化生成，且能在用户手机终端部署。

关键观点3: RID模型的工作原理。

RID受到Dreamfusion的score distillation sampling (SDS)启发，利用Adv-SDS优化一个小网络，通过最大化SDS损失实现对图片增加微小的扰动，使其不被成功定制化学习。

关键观点4: RID模型的实验结果和评估方式。

实验结果表明，RID能够有效实现图片的反定制化，保护速度达到8.33 Images/Second。评估方式包括定量评测和定性分析，均证明RID的有效性。

关键观点5: RID模型的未来展望。

未来可以将DiT架构的扩散模型融合进Adv-SDS一起优化实现更鲁棒的保护效果。此外，设计具有良性作用的扰动，如将扰动设计为妆照，也是值得深入研究的方向。