基于修正流的文本到图像生成模型中树轮水印的检测极限与统计可分离性
计算机视觉与模式识别
2025-04-08 v1 人工智能
密码学与安全
机器学习
机器学习
摘要
树轮水印是认证AI生成图像的一项重要技术。然而，其在基于修正流的模型中的有效性仍未得到探索，特别是考虑到这些模型在噪声潜在反演方面的固有挑战。通过大量实验，我们评估并比较了SD 2.1和FLUX.1-dev模型之间水印的检测和可分离性。通过分析各种文本引导配置和增强攻击，我们展示了反演限制如何影响水印恢复以及水印图像与未水印图像之间的统计分离。我们的发现为当前最先进模型中树轮水印的局限性提供了有价值的见解，并强调了改进反演方法以实现可靠水印检测和可分离性的关键需求。官方实现、数据集发布和所有实验结果可在以下链接获取：\href{https://github.com/dsgiitr/flux-watermarking}{\textbf{链接}}。
引用
@article{arxiv.2504.03850,
title = {Detection Limits and Statistical Separability of Tree Ring Watermarks in Rectified Flow-based Text-to-Image Generation Models},
author = {Ved Umrajkar and Aakash Kumar Singh},
journal= {arXiv preprint arXiv:2504.03850},
year = {2025}
}