1/15成本，实现AI水印新SOTA
给 AI 生成的作品打水印，让 AIGC 图像可溯源，已经成为行业共识。
问题是，传统水印方法通常把图像当成一个整体处理，全局嵌入、水印提取一锅端，存在不少 " 短板 "：
比如，图像局部区域被篡改，就可能导致全局提取失败，也无法定位水印所在具体区域。
又比如，无法只保护某个区域，如人脸、LOGO 等。
针对这个问题，现在，来自南洋理工大学和新加坡 A*STAR 前沿人工智能研究中心等机构的研究人员，提出了一种全新的局部鲁棒图像水印方法—— MaskMark。
该方法不仅在多个任务中全面超越 Meta 出品的 SOTA 模型 WAM，而且训练成本只有它的 1/15。
具体而言，MaskMark 支持：
多水印嵌入
可精准定位篡改区域
灵活提取局部水印
自适应支持 32/64/128 比特
核心思路：让模型 " 看得见 " 水印在哪里
研究人员引入了一种掩码机制，训练时告诉模型 " 水印藏在这里 "，教它学会精准地嵌入和提取。
他们给 MaskMark 设计了两个版本：
MaskMark-D（解码掩码）
水印全图嵌入，但能定位水印位置，支持局部提取。
即使部分图像被篡改，也能成功提取水印。
适合用于整体图像保护、版权声明和内容验证。
MaskMark-ED（编码 + 解码掩码）
水印只嵌入图像的特定区域（比如人脸或 LOGO）。
对小范围攻击更鲁棒，提取效果更好。
适合局部敏感内容保护、隐私感知场景等。
其中核心技术流程，是训练和推理的双重优化。
MaskMark 的端到端训练流程主要包括四个阶段：
掩码生成（Mask Generation）：
从四种预定义类型（全掩码、矩形掩码、不规则掩码、分割掩码）中随机选择或生成一个掩码 M。
水印嵌入（Watermark Embedding）：
编码器将水印比特嵌入原始图像（对于 MaskMark-ED 可选择性地嵌入掩码 M 来指导嵌入位置），生成水印图像。此过程利用轻量级 CNN 处理水印比特，并结合 U-Net 结构及 JND 模块优化视觉效果。
水印掩码操作（Watermark Masking）：
使用掩码 M 融合和，生成，即仅在掩码区域保留水印。随后对施加随机失真得到，
并再次用 M 裁剪出仅含水印信号的区域。
水印提取（Watermark Extraction）：
解码器从中预测掩码，并从中提取水印比特。解码器包含专门用于掩码预测的 U2-Net 和用于水印提取的 U-Net 及 CNN 模块。
MaskMark 推理时，解码器首先利用定位模块识别含水印区域，将非水印区域置零以减少干扰，然后从保留区域恢复水印，这对于小区域水印提取尤为重要。
在多项不同的任务上均表现出 SOTA 的性能
研究人员在多项不同任务上验证了 MaskMark 的性能。
首先，MaskMark 能实现高提取精度。
在全局水印任务中，即使在高视觉保真度（PSNR > 39.5, SSIM > 0.98）下，MaskMark-D 和 MaskMark-ED 仍能保持近乎 100% 的比特准确率，尤其在各类值度量和几何失真攻击下表现优异，显著优于现有基线模型。
在局部水印任务中，实验表明，当水印信号分布在图像的不同大小区域时，MaskMark 仍能保持近乎 100% 的提取准确率，显著优于其他全局方法，并超过当前最先进的局部水印模型 WAM。尤其在小面积嵌入场景中，MaskMark-ED 展现出更加出色的表现。
其次，MaskMark 能实现精准水印定位。
在不同水印区域比例和失真条件下，其定位性能（以 IoU 衡量）均优于 EditGuard 和 WAM 等方法。MaskMark-ED 在小区域定位上更具优势。
MaskMark 还具备多水印嵌入能力。
尽管并非为此专门训练，MaskMark-ED 在单个图像中嵌入多达 5 个不同水印时，依然保持强大的提取和定位性能，优于 WAM。
在高效性和扩展性方面，训练效率上，MaskMark 仅需在单个 A6000 GPU 上训练约 20 小时，计算效率（TFLOPs 衡量）比 WAM 高出 15 倍。
在消息长度方面，MaskMark 可轻松扩展至不同比特长度（如 32、64、128 位），并保持较高性能，而 WAM 则受限于 32 位。
另外，MaskMark 还支持快速微调 *。
通过简单调整失真层或进行少量微调（如针对 VAE 自适应攻击，仅需 20k 训练步数），MaskMark 即可适应不同鲁棒性需求和新兴威胁。
论文链接：
https://arxiv.org/abs/2504.12739
代码链接：
https://github.com/hurunyi/maskmark
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见