FontGuard：基于深度字体知识的鲁棒字体水印方法
计算机视觉与模式识别
2025-04-07 v1
摘要
AI生成内容的不断涌现带来了显著的前瞻和安全问题，如源头追踪、版权保护等，凸显了需要有效水印技术的需求。基于字体的文本水印方法已成为一种有效的解决方案，用于嵌入信息，以确保生成文本内容的版权、可追溯性和合规性。现有字体水印方法通常忽视了必需的字体知识，导致水印字体质量较低且嵌入容量有限。这些方法也对实际扭曲、低分辨率字体和不准确的字符分割较为脆弱。本文引入FontGuard，一种新型字体水印模型，利用字体模型和语言引导的对比学习能力。与专注于像素级修改的先前方法不同，FontGuard通过改变隐藏样式特征来修改字体，从而在水印嵌入后实现更好的字体质量。我们还利用字体流形通过生成大量密切 resemble 原字体的字体变体来增加所提方法的嵌入容量。此外，在解码器中，我们采用图像-文本对比学习来重构嵌入的比特，可在各种实际传输扭曲下实现理想的鲁棒性。FontGuard在解码准确率方面分别在合成、跨媒介和在线社交网络扭曲下分别优于最先进的方法+5.4%、+7.4%和+5.8%，在LPIPS上的视觉质量提高了52.7%。此外，FontGuard独特地允许为未见字体生成水印字体而无需重新训练网络。代码和数据集均可在 https://github.com/KAHIMWONG/FontGuard 获取。
引用
@article{arxiv.2504.03128,
title = {FontGuard: A Robust Font Watermarking Approach Leveraging Deep Font Knowledge},
author = {Kahim Wong and Jicheng Zhou and Kemou Li and Yain-Whar Si and Xiaowei Wu and Jiantao Zhou},
journal= {arXiv preprint arXiv:2504.03128},
year = {2025}
}