RAVEN：通过新视角合成擦除不可见水印

不可见水印已成为验证 AI 生成图像内容的关键机制，主要平台已在规模化部署水印方案。然而，评估这些方案免受高级移除攻击的脆弱性仍是必要的，以评估其可靠性并指导稳健的设计。本文通过将水印移除重新表述为视角合成问题，揭示了不可见水印的根本性脆弱性。我们的关键洞察是，生成相同语义内容的感知一致替代视角（类似于从偏移的视角重新观察场景），自然地移除嵌入的水印，同时保持视觉保真度。这一发现暴露了一个关键差距：免受像素空间和频率域攻击的水印仍然容易受到语义保持的视角变换所致。我们引入一个零样本基于扩散的框架，对潜空间中的受控几何变换进行操作，辅以视角引导的对应注意力，以在重构期间保持结构一致性。该方法在冻结的预训练模型上运行，无需检测器访问或水印知识，即可在 15 种水印方法上实现最先进的水印抑制——在保持优异感知质量的同时，超过 14 个基线攻击。