.png){kind=icon}
返回
Proactive detection techniques for deep synthesis based on robust generative image watermarking
.png){kind=icon}
OA
AI
DOI：10.1080/21642583.2026.2673614.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
具有欺骗性逼真的深度合成图像已在互联网上广泛传播，引发了关于虚假信息和内容真实性的重大担忧。从负责任的模型发布者和可信监管者的角度来看，本研究介绍了一种新颖的鲁棒生成图像水印方法，该方法在检测和追踪深度合成图像方面取得了显著进展。与主要关注水印嵌入的现有方法不同，我们的方法独特地结合了对抗训练与专门设计的裁剪和缩放操作，以显著增强水印的鲁棒性。此外，我们通过编码器引入了一种残差信号预测机制，并结合基于判别器的质量增强方法，在保持水印完整性的同时显著改善了生成图像的质量。该方法对生成模型的原始性能影响极小，能够嵌入鲁棒生成图像水印，表现出对社交媒体平台上常见的压缩、裁剪和缩放等干扰的卓越抗扰能力，即使在极端失真情况下也能实现超过75%的逐位准确率，从而促进在模型层面有效追踪和检测合成图像。
Keyword:
Robust generative image watermarking
deep synthesis detection
generative models
adversarial training
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
0
论文数:
39
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏ReDMark: Framework for residual diffusion watermarking based on deep networksReDMark: 基于深度网络的残差扩散水印框架
PREAI
分享收藏分享收藏 没有更多内容
没有更多内容