DiffMark：基于扩散模型的鲁棒深度人脸水印
计算机视觉与模式识别
2025-10-13 v2 图像与视频处理
摘要
深度人脸技术通过恶意面部操作，构成重大的安全和隐私威胁。尽管鲁棒水印有助于身份验证和来源追踪，但现有方法往往缺乏针对深度人脸操作的足够鲁棒性。扩散模型在图像生成中展现出卓越性能，使其能够在生成过程中无缝融合水印与图像。本研究提出一种基于扩散模型的新型鲁棒水印框架，称为 DiffMark。通过修改训练和采样方案，我们将面部图像和水印作为条件，用于引导扩散模型逐步去噪和生成相应的水印图像。在面部条件构建中，我们采用随时间步长变化的权重因子，对面部图像进行加权处理，逐渐降低引导强度以适应扩散模型的采样过程。为实现水印条件的融合，我们引入交叉信息融合（CIF）模块，通过可学习的嵌入表对水印特征进行自适应提取，并通过交叉注意力将其与图像特征集成。为增强水印抗深度人脸操作的鲁棒性，我们在训练阶段集成冻结的自编码器以模拟深度人脸操作。此外，我们引入深度人脸抗性引导机制，利用特定的深度人脸模型对扩散采样过程进行对抗性引导，以生成更具鲁棒性的水印图像。实验结果表明，所提出的 DiffMark 在典型深度人脸操作中效果显著。我们的代码将在 https://github.com/vpsg-research/DiffMark 上公开。
引用
@article{arxiv.2507.01428,
title = {DiffMark: Diffusion-based Robust Watermark Against Deepfakes},
author = {Chen Sun and Haiyang Sun and Zhiqing Guo and Yunfeng Diao and Liejun Wang and Dan Ma and Gaobo Yang and Keqin Li},
journal= {arXiv preprint arXiv:2507.01428},
year = {2025}
}