WaTeRFlow：通过流一致性实现水印时序鲁棒性
计算机视觉与模式识别
2025-12-23 v1
摘要
图像水印支持真实性和来源证明，但许多方案仍容易受到各种失真和强大生成性编辑的轻易突破。基于深度学习的水印技术提高了对扩散式图像编辑的鲁棒性，但当水印图像通过图像到视频（I2V）转换为视频时，Per-frame水印检测会减弱。I2V已快速从短暂、颤动的片段发展到多秒的时序连贯场景，不仅用于内容创建，也用于世界建模和仿真工作流程，使得跨模态水印恢复至关重要。我们提出WaTeRFlow，为I2V定制的框架，包括（i）FUSE（Flow引导统一合成引擎），通过指令驱动的编辑和快速视频扩散代理暴露编码器-解码器以实现真实失真，（ii）光流变换配合时序一致性损失（TCL），稳定Per-frame预测，（iii）语义保持损失维持条件信号。跨代表性I2V模型的实验表明，WaTeRFlow在帧上实现准确的水印恢复，First-frame和Per-frame比特准确率更高，在各种失真应用前后对视频生成具有更强韧性。
引用
@article{arxiv.2512.19048,
title = {WaTeRFlow: Watermark Temporal Robustness via Flow Consistency},
author = {Utae Jeong and Sumin In and Hyunju Ryu and Jaewan Choi and Feng Yang and Jongheon Jeong and Seungryong Kim and Sangpil Kim},
journal= {arXiv preprint arXiv:2512.19048},
year = {2025}
}