I2VShield：面向 DiT 图像生成视频模型的高效主动防御框架

论文提出 I2VShield，用于降低图像到视频模型被滥用时的隐私风险。方法结合文本自适应扰动生成与对抗学习，并设计非定向多模态注意力破坏攻击，使 DiT 类 I2V 模型内部注意力特征偏离干净状态，在保持视觉不可感知的同时减少生成防御样本所需的计算开销。摘要称其在多个数据集和主流 DiT-based I2V 模型上取得有竞争力的保护效果，尤其能破坏时空一致性。