RAW：一种面向 AI 生成图像且具可证明保证的鲁棒敏捷即插即用水印框架
计算机视觉与模式识别
2024-03-28 v1 密码学与安全
机器学习
摘要
保护知识产权和防止 AI 生成图像的潜在滥用至关重要。本文引入了一种鲁棒且敏捷的即插即用水印检测框架，称为 RAW。与传统编码器-解码器方法将固定二进制码作为水印嵌入潜在表示中不同，我们的方法将可学习水印直接引入原始图像数据中。随后，我们采用与水印联合训练的分类器来检测水印的存在。所提出的框架兼容各种生成架构，并支持在训练后进行即时水印注入。通过结合最先进的平滑技术，我们表明该框架针对误判带水印图像的假阳性率提供了可证明的保证，即使在存在针对水印移除的某些对抗性攻击时也是如此。在最先进的扩散模型生成的多种图像上的实验表明，与现有方法相比，性能有显著提升。例如，与最先进方法相比，在对抗性攻击下检测带水印图像时，我们的方法在 AUROC 上表现出显著提升，从 0.48 提高到 0.82，同时保持了图像质量，这由高度对齐的 FID 和 CLIP 分数所证明。
引用
@article{arxiv.2403.18774,
title = {RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees},
author = {Xun Xian and Ganghua Wang and Xuan Bi and Jayanth Srinivasa and Ashish Kundu and Mingyi Hong and Jie Ding},
journal= {arXiv preprint arXiv:2403.18774},
year = {2024}
}