PhaseMark：潜在频率域中AI生成图像的事后免优化水印
计算机视觉与模式识别
2026-01-21 v1
摘要
潜在扩散模型（LDMs）生成的高度逼真图像的激增需要鲁棒的水印技术，然而现有的事后方法由于迭代优化或反演过程而速度极慢。我们提出了 PhaseMark，这是一个单次处理、免优化的框架，可直接在 VAE 潜在频率域中对相位进行调制。该方法使 PhaseMark 比基于优化的技术快数千倍，同时在包括重生成在内的严重攻击下实现了 SOTA 的鲁棒性，且不降低图像质量。我们分析了四种调制变体，揭示了明确的性能与质量权衡。PhaseMark 展示了一种新范式，即通过利用内在潜在特性来实现高效、鲁棒的水印。
引用
@article{arxiv.2601.13128,
title = {PhaseMark: A Post-hoc, Optimization-Free Watermarking of AI-generated Images in the Latent Frequency Domain},
author = {Sung Ju Lee and Nam Ik Cho},
journal= {arXiv preprint arXiv:2601.13128},
year = {2026}
}
备注
Accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2026