Safe-Sora：基于图形水印的安全文本到视频生成
计算机视觉与模式识别
2025-09-23 v2
摘要
生成式视频模型的快速增长放大了对AI生成内容可靠版权保护的需求。尽管在图像合成中水印技术备受欢迎，但在视频生成领域，隐式生成水印仍鲜有探索。为填补这一空白，我们提出Safe-Sora，将图形水印直接嵌入视频生成过程中的第一个框架。我们观察到水印性能与水印与内容视觉相似性密切相关，因而引入层次化的粗到细自适应匹配机制。具体而言，将水印图像划分为多个补丁，每个补丁分配至最视觉相似的视频帧，并进一步局部化于视频帧中最佳的空间区域，以实现无缝嵌入。为实现水印补丁在视频帧之间的时空融合，我们发展了基于3D小波变换增强的Mamba架构，并提出了新颖的时空局部扫描策略，有效地在水印嵌入和检索期间建模长程依赖。迄今为止，这是首次将时态模型应用于水印技术，为高效且稳健的水印保护开辟了新方向。大量实验表明，Safe-Sora在视频质量、水印保真度和鲁棒性方面实现了最佳性能，这在很大程度上归功于我们的创新。代码已公开于https://github.com/Sugewud/Safe-Sora
引用
@article{arxiv.2505.12667,
title = {Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking},
author = {Zihan Su and Xuerui Qiu and Hongbin Xu and Tangyu Jiang and Junhao Zhuang and Chun Yuan and Ming Li and Shengfeng He and Fei Richard Yu},
journal= {arXiv preprint arXiv:2505.12667},
year = {2025}
}
备注
Safa-Sora is accepted by NeurIPS 2025