理解语义扰动对原位生成图像水印的影响
计算机视觉与模式识别
2026-03-31 v1 人工智能
摘要
高保真生成模型的广泛部署加剧了对可靠来源认证和内容验证机制的需求。原位水印通过嵌入生成模型的合成过程来嵌入签名，被提议作为解决方案，通常被报告为对标准后处理（如几何变换和滤波）具有鲁棒性。然而，针对那些在保持合理视觉质量的同时改变高层次场景内容的语义操作的鲁棒性尚未得到充分研究或理解。我们引入了一个简单、多阶段的框架，用于系统性地对原位生成水印在语义漂移下的鲁棒性进行压力测试。该框架利用可获取的模型进行目标检测、掩码生成以及语义引导的图像填充或再生成，以产生受控的、意义改变的编辑，并实现最小的感知退化。在代表性方案上进行的大量实验表明，鲁棒性随着语义缠排程度的不同而显著变化：那些在广泛常规扰动下保持可检测性的方法，在语义编辑下可能会失效，在许多情况下，水印可检测性几乎降至零，而图像质量仍保持高水平。总体而言，我们的结果揭示了当前水印评估中的一个关键缺口，并表明水印设计和基准测试必须显式地考虑对抗语义操作的鲁棒性。
引用
@article{arxiv.2603.27513,
title = {Understanding Semantic Perturbations on In-Processing Generative Image Watermarks},
author = {Anirudh Nakra and Min Wu},
journal= {arXiv preprint arXiv:2603.27513},
year = {2026}
}