PGID：面向鲁棒水印检测的渐进引导反卷积与去噪
计算机视觉与模式识别
2026-05-12 v1 机器学习
摘要
随着AI生成图像的普及，数字水印已成为保护知识产权并遏制恶意滥用不可或缺的手段。近期的语义水印研究工作已为扩散模型实现高效版权保护。然而，语义水印对扩散反卷积的依赖创造了一个关键漏洞。植入消除和伪造攻击正是利用了这一弱点，以产生欺骗性结果。我们的分析揭示，这些攻击通过将水印潜在向量位移到未水印区域，同时引导未水印潜在向量进入水印区域来实现成功。基于此，我们提出渐进引导反卷积与去噪（Progressive Guided Inversion and Denoising, PGID），这是首个面向抵御两种攻击策略的即插即用、无需训练的噪声提取框架。PGID通过消除中间潜在向量的位移，并通过渐进反卷积-去噪循环来缓解对抗性扰动，从而有效地将扰动后的潜在向量投影回其原本所属的区域。广泛的实验评估表明，PGID成功地通过恢复被消除的水印并识别伪造实例，恢复了水印检测的可靠性。
引用
@article{arxiv.2605.09319,
title = {PGID: Progressive Guided Inversion and Denoising for Robust Watermark Detection},
author = {Minh Quoc Duong and Chun Tong Lei and Chun Pong Lau},
journal= {arXiv preprint arXiv:2605.09319},
year = {2026}
}