基于相互教师合作与自适应特征调制的MT-Mark图像水印重构
计算机视觉与模式识别
2025-12-23 v1 人工智能
摘要
现有的深度图像水印方法遵循固定的嵌入-失真-提取管道，其中嵌入器和提取器通过最终损失弱耦合，单独优化。这种设计缺乏显式合作，没有结构化机制使嵌入器能够包含解码感知线索，或使提取器在训练期间引导嵌入。为解决这一体系结构限制，我们重新思考深度图像水印，将嵌入和提取重新建模为显式合作组件。为实现此重构，我们引入了协作交互机制(CIM)，建立嵌入器和提取器之间的直接、双向通信，实现相互教师训练范式和协调优化。基于此显式合作体系结构，我们进一步提出了自适应特征调制模块(AFMM)，以支持有效交互。AFMM通过解耦调制结构和强度，实现内容感知特征调节，将水印嵌入引导至稳定图像特征，同时抑制提取期间的宿主干扰。在CIM下，双方的AFMM形成闭环合作，将嵌入行为与提取目标对齐。这种体系结构级的重新设计改变了水印系统中鲁棒性的学习方式。而不是依赖详尽的失真模拟，鲁棒性从嵌入和提取之间的协调表示学习中产生。实验在真实世界和AI生成数据集上表明，所提出的方法在保持高感知质量的同时， consistently优于最先进的方法，在水印提取准确性方面表现出强大的鲁棒性和泛化能力。
引用
@article{arxiv.2512.19438,
title = {MT-Mark: Rethinking Image Watermarking via Mutual-Teacher Collaboration with Adaptive Feature Modulation},
author = {Fei Ge and Ying Huang and Jie Liu and Guixuan Zhang and Zhi Zeng and Shuwu Zhang and Hu Guan},
journal= {arXiv preprint arXiv:2512.19438},
year = {2025}
}