基于双域自然投影的低计算水印移除

有效移除语义水印需要在三个相互竞争的目标之间取得平衡：\emph{高移除成功率}、\emph{低感知失真}和\emph{低计算成本}。然而，现有的单图像攻击通常仅针对前两个目标，实现强大的水印抑制，但依赖于昂贵的多步优化，限制了实际部署。在本工作中，我们表明这一权衡是根本性的：当前没有任何方法同时实现这三个属性。我们引入了 \textsc{DAWN}，一种轻量级、无训练的攻击方法，显式针对低成本场景，同时保持具竞争力的移除性能。\textsc{DAWN} 通过在互补的频率和语义空间中将水印图像投影到自然图像先验上，以抑制偏离自然统计特征的水印信号，然后应用解耦的感知对齐步骤以最小化伪影恢复视觉一致性。在多样化的像素空间、频率空间和潜在空间水印方案中，\textsc{DAWN} 持续减少可检测性，同时保持结构和语义忠实度，表明仅凭有限的感知失真即可实现高效、低资源的水印移除。我们的代码已发布于 https://github.com/Pragati-Meshram/DAWN。