隐匿于噪声之中：面向图像的两阶段鲁棒水印方法

随着图像生成器质量的持续提升，深度伪造已成为社会讨论的重要话题。图像水印使负责任的模型所有者能够检测和标记其AI生成的内容，从而减轻危害。然而，当前最先进的图像水印方法仍然容易受到伪造和移除攻击。这种脆弱性部分源于水印扭曲了生成图像的分布，无意中泄露了水印技术的信息。在本工作中，我们首先基于扩散模型的初始噪声提出了一种无失真的图像水印方法。然而，检测水印需要将图像重建的初始噪声与所有先前使用过的初始噪声进行比较。为了缓解这些问题，我们提出了一种用于高效检测的两阶段水印框架。在生成阶段，我们用生成的傅里叶图案增强初始噪声以嵌入关于所用初始噪声组的信息。在检测阶段，（i）检索相关的噪声组，（ii）在给定组内搜索可能与图像匹配的初始噪声。该水印方法在大量攻击下实现了最先进的伪造和移除鲁棒性。