基于潜在一致性桥接的冻结扩散模型跨模型可转移多比特水印
计算机视觉与模式识别
2026-03-24 v1
摘要
随着扩散模型（DM）实现了前所未有的全景化学图生成，水印技术已成为建立来源和问责的关键手段。现有方法面临挑战：基于抽样的方法在冻结模型上运行但需要对N=50的DDIM反向进行高成本 inversion，以实现零比特唯一检测；基于微调的方法实现快速的多比特提取，但将水印绑定到特定模型检查点，需要为每个架构重新训练。我们提出DiffMark，这是一种即插即用的水印方法，相较于现有方法具有三个关键优势：单次多比特检测、每图像密钥灵活性以及跨模型可转移性。与编码水印到初始噪声向量不同，DiffMark在完全冻结的DM的每个去噪步骤注入持久的学习扰动。水印信号在最终去噪潜在中累积，并在单次前向传递中恢复。通过在冻结UNet上反向传播梯度而无需遍历完整去噪链的核心挑战，通过采用潜在一致性模型（LCM）作为可微训练桥来实现。这将梯度步数从50步DDIM缩减到4步LCM，并实现16.4毫秒的单次检测，使其相对于基于抽样的方法实现45倍加速。此外，凭借这一设计，编码器学习将任何运行时密钥映射到唯一的扰动，以推断时提供真正的每图像密钥灵活性和对未知扩散架构的可转移性。尽管实现了这些优势，DiffMark仍保持对失真、再生和对抗攻击的竞争性水印鲁棒性。
引用
@article{arxiv.2603.20304,
title = {Transferable Multi-Bit Watermarking Across Frozen Diffusion Models via Latent Consistency Bridges},
author = {Hong-Hanh Nguyen-Le and Van-Tuan Tran and Thuc D. Nguyen and Nhien-An Le-Khac},
journal= {arXiv preprint arXiv:2603.20304},
year = {2026}
}