SLICE：基于 compartments 嵌入的语义潜在注入用于图像水印

对扩散模型初始噪声进行水印已成为图像源 provenance 的有前景方法，但与内容无关的噪声模式可通过 inversion 与再生攻击被伪造。近期语义感知水印方法通过依赖图像语义来增强鲁棒性，但依赖单一全局语义绑定，易受局部但全局一致的语义编辑所威胁。为解决此限制并提供可信的语义感知水印，我们提出 SLICE（Semantic Latent Injection via Compartmentalized Embedding，即语义潜在注入通过 compartments 嵌入）。我们的框架将图像语义解耦为四个语义因子（主体、环境、动作与细节），并将其精确锚定到初始高斯噪声的不同区域。这种细粒度语义绑定 enables 高级水印验证，其中语义篡改可被检测并定位。我们理论上阐明了 SLICE 如何实现鲁棒且可靠的篡改定位，并对虚警接受率提供统计保证。实验结果表明，SLICE 在抵御高级语义导向再生攻击方面显著优于现有基线方法，显著降低攻击成功率，同时保持图像质量与语义忠实性。总体而言，SLICE 提供了一个在诊断细粒度且抗真实对抗性操控下均表现出色的实用、无训练依赖的源 provenance 解决方案。