- 博客(15)
- 收藏
- 关注
RSS订阅原创 《AquaLoRA: Toward White-box Protection for Customized StableDiffusion Models via Watermark LoRA》ICML
AquaLoRA提出了一种针对定制化Stable Diffusion模型的白盒水印保护方案。该方案通过潜空间水印设计和水印LoRA模块，将水印深度嵌入U-Net网络，结合先验保持微调技术（PPFT）实现水印与模型知识的绑定。创新性地引入缩放矩阵S，支持零训练成本更新水印信息。实验表明，AquaLoRA在保真度（FID 24.88）、鲁棒性（平均比特准确率91.86%）和灵活性方面显著优于现有方案，能有效抵抗多种失真攻击和生成配置变化。但存在对几何失真敏感、大尺寸图像性能下降等局限。
2025-09-30 16:54:34
1063
原创 《Watermarking One for All: A Robust Watermarking Scheme Against Partial Image Theft》CVPR 2025
摘要：本文提出WOFA水印方案，针对部分图像窃取场景中的三大挑战：内容丢失、未知背景干扰和几何变换。该方案采用两阶段训练策略，第一阶段训练编码器-解码器建立水印与噪声模式的映射关系，第二阶段联合训练嵌入器-提取器，并设计包含渐进式失真策略的多层失真模块。实验表明，WOFA在视觉质量（PSNR≈40dB）和抗部分窃取性能（89.33%比特准确率）上显著优于现有方法，同时对几何变换和跨数据集场景均展现出强鲁棒性。渐进式训练策略和两阶段架构被证明能有效提升模型收敛性和稳定性。
2025-09-22 15:06:56
1245
原创 《Your Text Encoder Can Be An Object-Level Watermarking Controller》ICCV 2025
本文提出了一种针对文本到图像生成模型的对象级水印方法，通过微调文本令牌嵌入向量实现对特定对象的精准水印嵌入。该方法创新性地利用扩散模型的交叉注意力机制定位目标对象，并设计水印叠加强度控制器优化嵌入时机，在保证图像质量的同时提高水印鲁棒性。实验表明，该方法仅需微调少量参数即可实现全图/对象级水印，支持128比特水印嵌入并保持91%以上的检测准确率，且兼容多种扩散模型框架。相比传统方法，具有定位精准、即插即用、抗干扰强等优势，为AI生成内容的版权保护提供了新思路。
2025-09-16 20:15:38
1598
原创 《OmniGuard: Hybrid Manipulation Localization via Augmented Versatile Deep ImageWatermarking》CVPR2025
论文：CVPR 2025 Open Access Repository代码：aipi-inc/0615github-OmniGuard: [CVPR 2025] OmniGuard: Hybrid Manipulation Localization via Augmented Versatile Deep Image Watermarking目录一、研究背景与挑战1.1 图像篡改检测与定位1.2 以 EditGuard 为代表的现有方法技术框架二、核心方案：OmniGuard 框架2.1 混合取证框架，支持
2025-09-05 11:33:09
1417
原创 《Watermark Anything with Localized Messages》ICLR 2025
WatermarkAnythingModel (WAM) 是一种新型深度学习水印技术，将图像水印任务重构为像素级分割任务，实现了水印的精准定位和多消息提取。该模型通过嵌入器和提取器的协同设计，采用双阶段训练策略：第一阶段侧重鲁棒性训练，第二阶段优化水印不可见性和多消息支持能力。实验表明，WAM在定位精度、多水印处理及抗干扰方面优于传统方法，适用于AI内容溯源、版权保护等场景。当前局限包括固定32位消息容量和部分区域水印可见性，未来可进一步优化容量与感知质量的平衡。
2025-09-02 20:13:58
1744
原创 《Pulsar: Secure Steganography for Diffusion Models》ACM 2024
Pulsar: 首个面向扩散模型的高效安全隐写方案 针对现有隐写术在扩散模型上适配性差、效率低、安全性不足的问题，本研究提出Pulsar隐写方案。该方案通过三大创新：1)利用扩散模型调度器的方差噪声作为隐写信道；2)设计密钥同步机制确保收发双方模型状态一致；3)采用可变误差纠正技术实现区域自适应纠错。实验表明，Pulsar在256×256图像中可嵌入320-613字节信息，编码耗时<3秒，且能抵抗SRNet等隐写分析工具的检测（错误率49-50%）。经社交平台压缩后仍能保持89%以上的消息恢复率，显著
2025-08-29 15:44:50
1073
原创 常用图像质量衡量指标（持续更新）
和。由于主观评估成本高且难以规模化，因此研究者开发了大量客观评估指标。这些指标在生成式模型（如GANs、扩散模型）、图像压缩、超分辨率、隐写术等任务中至关重要。
2025-08-27 11:40:05
1047
原创 《MDDM: Practical Message-Driven Generative Image Steganography Based on Diffusion Models》ICML 2025
实现可证明安全的图像隐写术是一项重大挑战。传统方法通常通过修改载体图像来嵌入秘密数据。这些方法往往会留下痕迹，容易被隐写分析工具检测到，因此被认为是经验上安全的，而非可证明安全的。近年来，图像隐写术的发展重点集中在提高隐蔽性增强安全性和提升抗攻击性上。下面介绍一下图像隐写术的几个方面。（具体没有深入了解）分类缺陷将信息直接嵌入图像中最古老且经典的嵌入型隐写方案是 LSB，它将信息嵌入图像像素的最低有效位。往往会在图像上留下修改痕迹，仍可能被检测到。
2025-08-27 09:50:09
1646
原创 《An Undetectable Watermark for Generative Image Models》ICLR 2025
本文提出了一种新型不可检测水印方案PRC，用于解决生成式图像模型的虚假信息传播问题。该方法通过伪随机纠错码在潜空间嵌入水印，既保持图像质量（FID/CLIP分数无下降），又具有高鲁棒性（抵抗JPEG压缩等10种攻击）。相比现有方案，PRC水印在不可检测性（分类器无法识别）、消息编码能力（可嵌入512-2500位信息）和多样性保持（LPIPS分数相当）方面表现更优，且无需额外训练。实验表明，该方法在Stable Diffusion 2.1上实现了质量与安全性的平衡，为AI内容溯源提供了有效解决方案。
2025-08-21 15:26:29
1361
原创 《Hidden in the Noise: Two-Stage Robust Watermarking for Images》ICLR 2025
《基于扩散模型初始噪声的两阶段鲁棒图像水印方法》提出WIND框架，通过伪随机初始噪声作为无失真水印，设计分组检索机制实现高效检测。实验表明，该方法在保持图像质量（FID=24.33）的同时，显著提升抗攻击能力（裁剪攻击准确率0.93），优于Tree-Ring等现有技术，并能有效抵御伪造/移除攻击。两阶段设计通过傅里叶模式嵌入组标识，将检测复杂度从O(N)降至O(N/M)，平衡了鲁棒性与效率。
2025-08-19 17:28:11
1376
原创 《LaWa: Using Latent Space for In-Generation Image Watermarking》ECCV 2024
本文提出LaWa方法，一种专为潜在扩散模型设计的生成中图像水印技术。LaWa通过向LDM解码器注入可训练水印模块，在保持图像质量的同时实现隐形水印嵌入，无需修改模型主体结构。相比传统方法，LaWa在CLIC数据集上展现出优越性能：对32/48位水印均保持高视觉质量（LPIPS/SIFID最优），且在JPEG压缩、裁剪等攻击下比特准确率最高。实验表明，LaWa在生成中水印领域显著优于StableSignature等基准方法，同时对组合攻击具有更强鲁棒性。
2025-07-16 17:15:03
1339
原创 《SoK: How Robust is Audio Watermarking in Generative AI models?》2025
【摘要】本文系统研究了音频水印在生成式AI模型中的鲁棒性问题。通过建立包含22种方案的分类体系，评估了9种水印方案对3类攻击（信号级/物理级/AI诱导失真）的抵抗能力。实验表明：1）所有方案均易受音高偏移攻击；2）多数方案对时域修改敏感；3）仅Timbre方案表现相对稳定；4）物理重录和AI攻击（如TTS）严重损害水印有效性。研究发现现有水印技术尚无法提供可靠的版权保护，提出了扩展攻击场景、开发自适应水印等改进方向。
2025-07-08 10:46:07
787
原创 《Jukebox: A Generative Model for Music》2020
内容缺陷/挑战性符号化方法低维空间中处理问题，如，以钢琴卷帘的形式象征性地生成音乐，指定每个要演奏的音符的时间、音高、力度和乐器。将生成的音乐限制在了特定的音符序列和固定的乐器组合范围内。非符号化方法，即直接生成音频形式的音乐直接生成音频形式的音乐。挑战性：①原始音频空间的维度极高，且需要建模的信息含量巨大。②直接对原始音频进行建模会引入极长的依赖关系，这使得学习音乐的高层语义在计算上颇具难度。——学习音频的低维编码。本文采用分层的VQ-VAE 架构将音频压缩到离散空间中，其损失函数旨在。
2025-07-08 10:45:13
918
原创 《Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models》 CVPR 2024
《GaussianShading：扩散模型的无损性能图像水印方法》提出了一种创新水印技术，通过将水印信息映射到扩散模型的潜在空间，实现版权保护的同时保持生成质量。该方法采用水印扩散、随机化和分布保持采样三个关键技术，使含水印的潜在表示与原始高斯分布一致，确保生成性能不受影响。相比现有方法，其优势在于无需模型微调、即插即用、256位高水印容量，并具有理论可证明的无损性能。主要局限在于依赖DDIM反演方法和需要密钥管理。该研究为扩散模型的安全部署提供了有效解决方案。
2025-07-01 13:05:25
1793
原创 《Latent Watermark: Inject and Detect Watermarks in Latent Diffusion Space》TM 2024
《Latent Watermark: Inject and Detect Watermarks in Latent Diffusion Space》TM 2024
2025-06-30 18:30:40
1004
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人