En grupp ledd av Zhongliang Guo publicerade den 7 okt 2026 en artikel om SRIM, en metod för att bädda in skyddande störningar i bilder så att de finns kvar även efter den nedskalning som redigeringsverktyg brukar göra. Befintliga metoder tappar effekt när en bild förminskas före AI-redigering, vilket gör att skadliga verktyg ändå kan ändra bilden. SRIM samplar flera skalor och utgår från den svagaste, så att skyddet förblir starkt vid ett brett spann av nedskalningsfaktorer.
Hur mycket bättre är SRIM?
Tester på bilder med 9–30 megapixlar visade att den värsta störningen av den populära AI-redigeraren FLUX.2-klein ökade från 0.192 LPIPS (det bästa publicerade resultatet dittills) till 0.463 LPIPS med SRIM. Vid samma visuella synlighet är skyddet ungefär dubbelt så starkt. Metoden fungerade också mot större modeller, som en version med 9 miljarder parametrar och FLUX.2-dev, och höjde deras värsta resultat till 0.450 respektive 0.386, jämfört med högst 0.184 för tidigare skydd. Den fungerade även bäst på InstructPix2Pix.
Varför det spelar roll
För vanliga användare som delar högupplösta bilder på nätet kan SRIM göra det svårare för AI-verktyg att ändra bilderna i det tysta efter nedskalning. Metoden ger ett starkare skydd utan att det tillagda bruset blir mer synligt. Tekniken är dock fortfarande en forskningsprototyp och har ännu inte byggts in i fotoappar för konsumenter.
