.png){kind=icon}
返回
Large-scale traceable and robust watermarking for diffusion models with precise affine coupling flow encoding
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07217-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决版权追溯中水印信息有限和抗重建去水印攻击能力弱的问题，本文提出了一种基于仿射耦合流精确编码的扩散模型鲁棒且大规模的可追溯水印方法。该方法利用仿射耦合流构建水印编码器和解码器，编码器将水印嵌入服从标准正态分布的潜在变量中，与扩散模型先验一致。可逆流模型实现在潜在空间中精确的水印编码与提取，支持语义级嵌入且不降低图像质量。通过攻击层微调和对抗训练增强了解码器的鲁棒性。该方法将用户特定信息编码为隐藏变量输入预训练扩散模型，实时生成高质量水印图像，无需额外训练。实验表明，在图像处理和重建攻击下，检测准确率和比特准确率均超过97%，优于领先方法。在大规模用户场景下，图像处理攻击下水印可追溯性仍达95%，确保可靠的版权保护。
Keyword:
Model Watermarking
Diffusion Model
Latent Space Encoding
Robustness
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
Classification of Coconut Trees Within Plantations from UAV Images Using Deep Learning with Faster R-CNN and Mask R-CNN基于Faster R-CNN和Mask R-CNN的深度学习在种植园无人机图像中椰子树的分类
PREAI
分享收藏
查看更多内容