arXiv cs.AI· Chihcheng Hsieh, Yang Song, Flora Salim, Martin Bell, Jacinto C. Nascimento, Catarina Moreira·· 10 小时前AI 评分31
SpiderMark:结合算法注入与学习式验证的生成式 AI 混合水印框架
SpiderMark: Hybrid Watermarking for Generative AI via Algorithmic Injection and Learning-Based Verification
AI 导读
SpiderMark 提出一种无需修改预训练扩散模型权重的混合水印框架,将蛛网状结构化图案注入初始潜噪声的傅里叶表示,并用轻量 ResNet-18 验证器结合 PSNR、L1 相似度线索输出连续水印置信度。
正文 · AI 翻译
摘要:基于扩散的生成模型的激增,加剧了对可靠方法的需求,以追踪和验证 AI 生成图像的来源。现有的扩散模型水印方法通常依赖各向同性频率模式和手工设计的检测指标,这些方法容易受到方向性脆弱性的影响,并且在各种图像变换下阈值不稳定。我们提出 SpiderMark,一种混合水印框架,将算法频域注入与基于学习的概率验证相结合,无需修改预训练扩散模型的权重。SpiderMark 将结构化蜘蛛网图案(由径向辐条和同心多边形环组成)嵌入初始潜在噪声的傅里叶表示中,并训练一个轻量级 ResNet-18 验证器,辅以辅助相似性线索(PSNR 和 L1),以生成连续的水印置信度分数用于水印检测。在九种评估条件下,SpiderMark 在八种条件下实现了最高的固定阈值准确率,同时在未重新训练验证器的情况下,对未见过的 COCO 提示保持强检测能力。CLIP 相似度和 FID 测量表明,这些检测增益伴随着提示对齐和分布图像质量方面的小幅测量差异。SpiderMark 确立了结构化水印几何与学习到的概率验证可以统一为一个单一、实用的框架,弥合了生成式 AI 内容归因在不可感知性、鲁棒性和现实世界可验证性之间的差距。
| 主题: | 计算机视觉与模式识别 (cs.CV);人工智能 (cs.AI) |
| 引用为: | arXiv:2611.24200 [cs.CV] |
| (或 arXiv:2611.24200v1 [cs.CV] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.24200 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Catarina Moreira [查看电子邮件]
[v1]
2026年11月18日星期三 10:36:51 UTC(24,711 KB)
来源:arXiv cs.AI · arxiv.org