基于扩散模型的复制检测图案认证：一种带打印机签名条件的多模态框架
计算机视觉与模式识别
2026-03-11 v1
摘要
假冒品牌影响着制药、电子和食品等多个行业，带来严重的健康和经济风险。可打印的不可克隆代码（如复制检测图案，CDP）广泛用于防伪，并被应用于产品和包装。然而，高分辨率打印和扫描设备的日益普及，以及生成式深度学习技术的进步，削弱了传统认证系统的效果，这些系统往往难以区分高质量的假冒品与真品。本文提出了一种基于扩散模型的认证框架，该框架联合利用原始二进制模板、印刷后的CDP以及捕获相关语义信息的打印机身份表示。将认证问题形式化为基于打印机签名的多类打印机分类，使我们的模型能够通过空间和文本条件化捕获细粒度、设备相关的特征。我们通过改造ControlNet，将去噪过程用于类别条件化噪声预测，从而实现有效的打印机分类。在Indigo 1 x 1 Base数据集上，我们的方法在传统相似性度量和先前深度学习方法方面表现优异。结果表明，该框架能够对训练期间未出现的假冒品类型具有良好的泛化能力。
引用
@article{arxiv.2603.08998,
title = {Diffusion-Based Authentication of Copy Detection Patterns: A Multimodal Framework with Printer Signature Conditioning},
author = {Bolutife Atoki and Iuliia Tkachenko and Bertrand Kerautret and Carlos Crispim-Junior},
journal= {arXiv preprint arXiv:2603.08998},
year = {2026}
}
备注
Accepted at WACV 2026