مقاله یک واترمارک تصویر تا حدودی قوی در برابر مدل های ویرایش مبتنی بر انتشار

چکیده

Recently, diffusion models (DMs) have become the state-of-the-art method for image synthesis. Editing models based on DMs, known for their high fidelity and precision, have inadvertently introduced new challenges related to image copyright infringement and malicious editing. Our work is the first to formalize and address this issue. After assessing and attempting to enhance traditional image watermarking techniques, we recognize their limitations in this emerging context. In response, we develop a novel technique, RIW (Robust Invisible Watermarking), to embed invisible watermarks leveraging adversarial example techniques. Our technique ensures a high extraction accuracy of $96\%$ for the invisible watermark after editing, compared to the $0\%$ offered by conventional methods. We provide access to our code at https://github.com/BennyTMT/RIW.

چکیده به فارسی (ترجمه ماشینی)

اخیراً ، مدل های انتشار (DMS) به روش پیشرفته ای برای سنتز تصویر تبدیل شده اند.مدلهای ویرایش مبتنی بر DMS ، که به دلیل وفاداری و دقت بالا شناخته شده اند ، سهواً چالش های جدیدی را در رابطه با نقض حق چاپ در تصویر و ویرایش مخرب معرفی کرده اند.کار ما اولین کسی است که به این مسئله رسمیت و رسیدگی می کند.پس از ارزیابی و تلاش برای تقویت تکنیک های سنتی علامت گذاری تصویر ، ما محدودیت های آنها را در این زمینه نوظهور تشخیص می دهیم.در پاسخ ، ما یک تکنیک جدید ، RIW (علامت گذاری نامرئی قوی) را ایجاد می کنیم ، تا علامت های نامرئی نامرئی را که از تکنیک های نمونه مخالف استفاده می کنند ، جاسازی کنیم.تکنیک ما از دقت استخراج بالا 96 \ $ $ برای علامت نامرئی پس از ویرایش ، در مقایسه با 0 $ \ $ $ ارائه شده توسط روش های معمولی استفاده می کند.ما دسترسی به کد خود را در https://github.com/bennytmt/riw فراهم می کنیم.