LoT-Pass: Long-term-robust Image Watermarking for Image to Video Generation
University of Science and Technology of China（中国科学技术大学）
针对图像引导视频生成中源图像追踪缺失的问题，提出跨模态水印框架I2VWM，通过视频模拟噪声层和光流对齐模块增强水印的时间鲁棒性，在开源和商业模型上验证了效果。
2026-06-25 cs.CV
Enhancing Robustness in Post-Processing Watermarking: An Ensemble Attack Network Using CNNs and Transformers
National Yang Ming Chiao Tung University（国家阳明交通大学）；National Taiwan University（国立台湾大学）
本研究聚焦后处理水印，提出结合空间域CNN与频域Transformer的集成攻击网络以提升水印鲁棒性，在WAVES基准上验证其能显著增强基线方法抗攻击能力，尤其在再生攻击下将StegaStamp性能提升18.743%。
2025-09-03 cs.CV
A Compact Neural Network-based Algorithm for Robust Image Watermarking
Nankai University（南开大学）
数字图像水印技术是为了保护数字媒体信息不被未经授权的访问，它将信息嵌入到数字图像中并从中提取，甚至在各种数据处理（包括有损图像压缩和交互式内容编辑）下施加一些噪声或失真。传统的图像水印方案在指定一些先验约束时容易受到鲁棒性的影响，而最近的基于深度学习的水印方法在各种不同的特征编码器和解码器流水线下无法很好地解决信息丢失问题。在本文中，我们提出了一种新的数字图像水印解决方案与紧凑的神经网络，命名为可逆水印网络（IWN）。我们的IWN架构基于单个可逆神经网络（INN），这种双射传播框架使我们能够有效地解决消息嵌入和提取的挑战，通过将它们视为彼此的一对逆问题并学习稳定的可逆映射。为了增强水印方案的鲁棒性，我们引入了一个简单有效的比特信息归一化模块来压缩嵌入的比特信息，并在IWN框架下设计了一个噪声层来模拟各种实际攻击。大量的实验证明了我们的解决方案的优越性，在各种失真。
2021-12-27 cs.CV
An Efficient Watermarking Algorithm to Improve Payload and Robustness without Affecting Image Perceptual Quality
水印数据的容量、鲁棒性和感知质量是需要考虑的非常重要的问题。大量的研究正在进行，以增加这些参数的数字图像的水印，因为它们之间总是有一个折衷。.本文讨论了一种有效的基于小波变换的水印算法，该算法在不影响图像数据的感知质量的情况下提高了水印的有效载荷和鲁棒性。本文的目的是在小波域中采用嵌套水印，这增加了容量，并最终增强了对攻击的鲁棒性，并为LL和HH频带选择了不同的缩放因子值，并且在嵌入过程中不会在原始图像中产生可见的伪影，因此原始图像和水印图像是相似的。
2010-04-26 cs.CV
Adaptive Blind Watermarking Using Psychovisual Image Features
Isfahan University of Technology（伊斯法罕理工大学）；McMaster University（麦克马斯特大学）；Seattle University（西雅图大学）
随着通过互联网编辑和共享图像的增长，保护图像作者身份的重要性已经增加。鲁棒水印是一种已知的维护版权保护的方法。鲁棒性和不可感知性是水印技术试图最大化的两个因素。通常，这两个参数之间存在折衷。提高鲁棒性会降低水印的不可感知性。本文提出了一种自适应的方法，确定强度的水印嵌入在不同部分的封面图像的纹理和亮度。自适应嵌入在保持水印图像质量的同时提高了水印的鲁棒性。实验结果也表明，该方法可以有效地重建嵌入的有效载荷在各种常见的水印攻击。与最近的技术相比，我们提出的方法表现出良好的性能。
2022-12-25 cs.CV
Evaluating Durability: Benchmark Insights into Multimodal Watermarking
Google Research（谷歌研究院）；Carnegie Mellon University（卡内基梅隆大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文通过基准测试评估图像和文本生成模型水印在现实世界图像损坏与文本扰动下的鲁棒性，揭示现有方法的耐久性不足，为未来更鲁棒的多模态水印技术发展提供依据。
2024-06-06 cs.CV
Reversible Image Authentication with Tamper Localization Based on Integer Wavelet Transform
K.S.Rangasamy College of Technology（K.S.兰加斯瓦米工程技术学院）
本文提出了一种基于整数小波变换的数字水印的篡改定位可逆图像认证技术。如果图像的真实性得到验证，则可以从带水印的图像中完全去除由于嵌入水印而导致的失真。如果图像被篡改，则篡改位置也可以被定位。使用两层水印。嵌入在空间域中的第一层验证真实性，嵌入在变换域中的第二层提供可逆性。该方法利用小波系数差分图像的直方图特征和选择性LSB嵌入，并对图像像素值进行微小的修改来嵌入水印。实验结果表明，该方案可以检测到任何修改的水印图像。
2009-12-03 cs.CR cs.CV
ClusterMark: Towards Robust Watermarking for Autoregressive Image Generators with Visual Token Clustering
Ruhr University Bochum（波鸿鲁尔大学）；_fbeta
本文提出ClusterMark，通过视觉token聚类提升自回归图像生成器的水印鲁棒性，有效对抗图像扰动和再生攻击，同时保持图像质量，优于现有基线方法。
2026-04-10 cs.CV
Robust Watermarking for Video Forgery Detection with Improved Imperceptibility and Robustness
Fudan University（复旦大学）
视频很容易受到篡改攻击，从而改变含义并欺骗观众。以前的视频伪造检测方案发现微小的线索来定位篡改区域。然而，攻击者可以通过使用视频压缩或模糊来破坏这些线索，从而成功地逃避监管。提出了一种用于篡改定位的视频水印网络。我们共同训练一个基于3D-UNet的水印嵌入网络和一个解码器，预测篡改掩码。水印嵌入所产生的扰动几乎是不可感知的。考虑到目前还没有现成的可区分视频编解码器模拟器，我们建议通过集成其他典型攻击的模拟结果来模拟视频压缩，例如，JPEG压缩和模糊，作为近似值。实验结果表明，该方法生成的水印视频具有良好的不可见性，并鲁棒性和准确地定位篡改区域的攻击版本。
2022-07-07 cs.CV
A Robust Document Image Watermarking Scheme using Deep Neural Network
Nanjing University of Information Science & Technology（南京信息工程大学）；Jinan University（暨南大学）
数字水印技术是一种重要的版权保护技术，它通常将身份信息以不可感知的方式嵌入到载体中。然后，即使在遭受各种攻击之后，也可以从水印载体中提取身份以证明版权。现有的水印技术大多以自然图像为载体。与自然图像不同，文档图像的颜色和纹理并不丰富，因此携带水印的冗余信息较少。提出了一种基于深度神经网络的端到端文档图像水印方案。具体地说，设计了一个编码器和一个解码器来嵌入和提取水印。添加噪声层以模拟现实中可能遇到的各种攻击，例如裁剪，丢弃，高斯模糊，高斯噪声，调整大小和JPEG压缩。设计了一个文本敏感的损失函数来限制对字符的嵌入修改。提出了一种嵌入强度调整策略，在保证提取精度的前提下提高了水印图像的质量。实验结果表明，本文提出的文档图像水印技术在鲁棒性和图像质量方面优于三种现有技术。
2022-02-26 cs.CV
Semantic Watermarking Reinvented: Enhancing Robustness and Generation Quality with Fourier Integrity
Dept. of ECE & INMC, Seoul National University, Korea（电子工程系及智能纳米材料中心，首尔国立大学）
针对潜在扩散模型语义水印频率完整性损失问题，提出厄米对称傅里叶水印（SFW）与中心感知嵌入策略，增强鲁棒性与检测精度，同时保持图像质量，达到最先进性能。
2025-09-09 cs.CV
High-Capacity Robust Watermarking Technology for High-Resolution Images
School of Information, Guizhou University of Finance and Economics（贵州财经大学信息学院）
针对高分辨率图像水印问题，本文提出分块策略，采用可逆对称架构的编解码器及结合全局和局部损失的损失函数，实现高容量水印嵌入，实验验证该方法有效可行且鲁棒性强。
2026-07-21 cs.CV
NGS-Marker: Robust Native Watermarking for 3D Gaussian Splatting
Zhejiang University（浙江大学）；Zhejiang Key Laboratory of Geographic Information Science（浙江省地理信息科学重点实验室）
该研究针对现有3D高斯溅射水印技术无法抵御部分侵权的问题，提出NGS-Marker原生水印框架，通过联合训练的注入器与解码器及梯度渐进注入策略实现全场景覆盖，可抵御部分侵权并支持混合与多模态水印，具备实际部署灵活性。
2026-08-19 cs.CV
LAVA: Layered Audio-Visual Anti-tampering Watermarking for Robust Deepfake Detection and Localization
School of Computer Science and Engineering（计算机科学与工程学院）；UNSW Sydney（新南威尔士大学悉尼分校）；School of Information and Communication Technology（信息与通信技术学院）；Griffith University（格里菲斯大学）
LAVA通过跨模态水印融合与校准感知对齐，提升深度伪造篡改检测与定位的鲁棒性，实验表明其检测性能接近完美，抗压缩与多模态错位能力强。
2026-08-11 cs.CV
SuperMark: Robust and Training-free Image Watermarking via Diffusion-based Super-Resolution
Nanyang Technological University（南洋理工大学）；S-Lab, NTU（南洋理工大学S-Lab）；CFAR and IHPC, A*STAR（新加坡科技研究局CFAR与IHPC）；Zhejiang University（浙江大学）；Tsinghua University（清华大学）
本研究提出免训练图像水印框架SuperMark，借助扩散模型的加噪去噪特性，结合预训练超分辨率模型与DDIM反演实现水印嵌入提取，在保证保真度的同时大幅提升鲁棒性与迁移能力。
2024-12-13 cs.CV
3D-GSW: 3D Gaussian Splatting for Robust Watermarking
Korea University（高丽大学）；Google DeepMind（谷歌DeepMind）；University of Alberta（阿尔伯塔大学）
本文提出3D-GSW方法，通过Frequency-Guided Densification、梯度掩码和小波子带损失，在3D Gaussian Splatting模型中嵌入鲁棒水印，兼顾高渲染质量与实时效率。
2025-03-31 cs.CV
Robust Invisible Video Watermarking with Attention
MIT（麻省理工学院）；Univ. Rey Juan Carlos（胡安·卡洛斯国王大学）
视频水印的目标是在视频文件中嵌入消息，使其对观看体验的影响最小，但即使视频被重新分发和修改也可以恢复，从而允许媒体制作者对其内容主张所有权。本文介绍了RivaGAN，一种用于鲁棒视频水印的新架构，其特征在于用于嵌入任意数据的基于注意力的自定义机制以及两个独立的对抗网络，该网络对视频质量进行评价并优化鲁棒性。使用这种技术，我们能够在基于深度学习的视频水印中实现最先进的结果，并生成具有最小视觉失真并且对常见视频处理操作具有鲁棒性的水印视频。
2019-09-03 cs.CV cs.MM
Towards Robust Content Watermarking Against Removal and Forgery Attacks
Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；University of Chinese Academy of Sciences（中国科学院大学）；University of Waterloo（滑铁卢大学）
本文提出Instance-Specific watermarking with Two-Sided detection方法，通过动态控制水印注入时间和模式提升鲁棒性，有效对抗移除和伪造攻击。
2026-04-08 cs.CV cs.LG
RAW: Robust Avatar Watermarking -- Benchmarking and Baseline
University of Bath（巴斯大学）
针对数字人水印面临的后处理攻击，提出基准测试RAW和基于3D人脸重建的UV纹理空间水印方法WALT，在缩放攻击和背景移除攻击下分别达到92.4%和95.6%的鲁棒性。
2026-05-17 cs.AI cs.CV
Secure and Robust Watermarking for AI-generated Images: A Comprehensive Survey
本文综述了AI生成图像水印技术，从系统形式化、方法比较、评估指标、安全漏洞及未来挑战等方面系统分析，为研究者提供全面理解以推动安全可信的AI生成内容发展。
2026-03-15 cs.CR cs.CV
Do Modern Post-Hoc Watermarking Methods Beat Broken-Arrows?
Inria（法国里昂研究所）
本文通过公平比较现代与经典事后水印方法在多种攻击下的鲁棒性和安全性，发现经典方法在现实场景中更优。
2026-05-26 cs.CR cs.CV
Deep Boosting Robustness of DNN-based Image Watermarking via DBMark
Southern University of Science and Technology（南方科技大学）；Hunan University（湖南大学）；Changsha University of Science and Technology（长沙理工大学）
图像水印是一种将信息隐藏到图像中的技术，该图像可以承受失真，同时要求编码图像在感知上与原始图像相同。基于深度神经网络（DNN）的数字水印技术取得了令人瞩目的进展。在各种失真下具有更高的鲁棒性是数字图像水印技术的永恒追求。在本文中，我们提出了DBMARK，一种新的端到端数字图像水印框架，以深入提高基于DNN的图像水印的鲁棒性。关键的新颖性是可逆神经网络（INN）和有效的水印特征生成的协同作用。该框架通过有效的基于神经网络的消息处理器生成具有冗余和纠错能力的水印特征，并与INN强大的信息嵌入和提取能力相结合，实现了更高的鲁棒性和不可见性。神经网络强大的学习能力使消息处理器能够适应各种失真。此外，我们建议将水印信息嵌入到离散小波变换（DWT）域中，并设计低-低（LL）子带损失以增强不可见性。大量的实验结果表明，所提出的框架相比，国家的最先进的在各种失真，如辍学，裁剪，裁剪，高斯滤波器，JPEG压缩的优越性。
2022-11-16 cs.CR cs.CV
Text-Guided Image Invariant Feature Learning for Robust Image Watermarking
University of Nebraska Omaha（内布拉斯加大学奥马哈分校）
针对现有 SSL 水印缺乏显式不变特征的问题，提出利用 CLIP 文本嵌入作为语义锚点的文本引导不变特征学习框架，在多数据集上显著提升严重失真下的特征一致性与水印提取准确率。
2025-03-18 cs.CV cs.LG cs.MM
ROMark: A Robust Watermarking System Using Adversarial Training
Stevens Institute of Technology（史蒂文斯理工学院）
数字通信的可用性和容易获得性增加了版权材料盗版的风险。为了检测非法使用或分发的数据，数字水印已被提出作为一个合适的工具。它通过在对手存在的情况下将不可感知的信息嵌入到数据中来保护数字内容的版权。攻击者的目标是删除数据中受版权保护的内容。因此，一个有效的水印框架必须对多种图像处理操作具有鲁棒性，这些操作被称为可以改变嵌入的版权信息的攻击。另一条研究路线\textit{adversarial machine learning}也处理类似的问题，以保证对输入的不可察觉的扰动的鲁棒性。在这项工作中，我们建议应用对抗性机器学习的鲁棒性优化，以提高基于CNN的水印框架的鲁棒性。我们在COCO数据集上的实验结果表明，在训练中利用鲁棒优化可以提高水印框架的鲁棒性。
2019-10-02 cs.CV cs.MM eess.IV
README: Robust Error-Aware Digital Signature Framework via Deep Watermarking Model
Korea University（韩国大学）
本文提出README框架，通过基于裁剪的容量扩展机制和ERPA纠错模块，在无需微调预训练水印模型的情况下，将2048位数字签名嵌入单张图像的零位错误率从1.2%提升至86.3%，实现鲁棒、可验证且容错的图像数字签名。
2025-07-06 cs.CR cs.CV
A Robust Image Watermarking System Based on Deep Neural Networks
University of Nebraska at Omaha（内布拉斯加大学奥马哈分校）；New Jersey Institute of Technology（新泽西理工学院）
数字图像水印是在载体图像上隐蔽地嵌入和提取水印的过程。近年来，利用图像水印来增强深度学习网络引起了越来越多的关注。然而，现有的基于深度学习的水印系统无法同时实现鲁棒性、盲性以及自动嵌入和提取。本文提出了一种基于深度神经网络的全自动图像水印系统，以推广图像水印过程。提出了一种无监督的深度学习结构和一种新的损失计算，以实现高容量和高鲁棒性，而无需任何可能的攻击的先验知识。此外，一个具有挑战性的应用程序，从摄像机捕获的图像中提取水印，以验证所提出的系统的实用性以及鲁棒性。实验结果表明，该系统的优越性能相比，目前可用的几种技术。
2019-08-29 cs.CV cs.LG cs.MM
Robust and Large-Payload DNN Watermarking via Fixed, Distribution-Optimized, Weights
University of Siena（锡耶纳大学）
本文提出一种白盒DNN水印方法，通过在训练前固定并理论优化承载水印的权重分布，在不显著影响网络精度的情况下实现大容量和对再训练、迁移学习等网络修改的强鲁棒性。
2024-01-17 cs.CR cs.CV
Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs
Jinan University（暨南大学）；University of Siena（锡耶纳大学）；Nanjing University of Information Science and Technology（南京信息工程大学）
本文提出一种多比特无框GAN水印方法，通过训练时加入水印损失并迫使模型收敛到宽平坦极小值，实现对微调、剪枝、量化和代理模型攻击的鲁棒所有权验证。
2023-10-25 cs.AI cs.CV
Achieving Resolution-Agnostic DNN-based Image Watermarking: A Novel Perspective of Implicit Neural Representation
Southern University of Science and Technology（南方科技大学）
本文提出RAIMark框架，首次通过直接对图像的隐式神经表示进行水印嵌入，避免分辨率归约过程，实现分辨率无关且对多种攻击鲁棒的图像水印，平均比特准确率提升7%到29%。
2024-09-01 cs.CR cs.CV
ARIW-Framework: Adaptive Robust Iterative Watermarking Framework
School of Computer Science and Engineering, Sun Yat-sen University（计算机科学与工程学院，中山大学）；State Key Laboratory of Mathematical Engineering and Advanced Computing（数学工程与先进计算国家重点实验室）
针对现有深度学习水印技术在视觉质量、鲁棒性和泛化性上的不足，提出自适应鲁棒迭代水印框架ARIW-Framework，通过迭代优化编码器、并行优化及梯度控制嵌入强度，实现高质量水印与强抗噪鲁棒泛化能力。
2025-05-19 cs.AI cs.CV
RoWSFormer: A Robust Watermarking Framework with Swin Transformer for Enhanced Geometric Attack Resilience
针对CNN水印模型难以抵御几何攻击的局限，提出基于Swin Transformer的鲁棒水印框架RoWSFormer，通过自注意力机制和频域增强模块显著提升了水印对几何失真及非几何攻击的鲁棒性与不可见性。
2024-09-23 cs.CV cs.MM eess.IV
WARP: A Unified Benchmark for Invisible Image Watermarking -- Robustness and Protection Against Attacks
MSU Institute for Artificial Intelligence（莫斯科国立大学人工智能研究所）；Trusted AI Research Center RAS（俄罗斯科学院可信人工智能研究中心）
本文提出WARP，一个统一基准，整合32种水印方法和34种攻击，系统评估不可见水印的鲁棒性，识别最鲁棒方法及攻击弱点，并开源代码。
2026-10-01 cs.AI cs.CV cs.MM
Guidance Watermarking for Diffusion Models
Inria（法国国家信息与自动化技术研究所）；LABEL4.AI
本文提出一种新型扩散模型水印方法，通过梯度计算提升抗攻击能力，将后验水印方案转化为生成过程中的嵌入，与变分自编码器技术互补，验证了不同模型和检测器的效果，不影响生成图像的质量和多样性。
2026-05-07 cs.CR cs.CV
Robust Watermarking Using Generative Priors Against Image Editing: From Benchmarking to Advances
Nanyang Technological University（南洋理工大学）；ETH Zürich（苏黎世联邦理工学院）
本文构建涵盖多类图像编辑的 W-Bench 水印鲁棒性基准，并提出基于模糊替代攻击与 SDXL-Turbo 适配的 VINE 水印方法，在图像质量和抗编辑鲁棒性上优于现有方法。
2025-03-15 cs.AI cs.CR cs.CV
Rel-Zero: Harnessing Patch-Pair Invariance for Robust Zero-Watermarking Against AI Editing
针对AI编辑对图像真实性的威胁，提出Rel-Zero零水印框架，利用编辑中补丁对关系距离的不变性，无需修改原图即可生成鲁棒水印，实验证明其优于现有方法。
2026-06-16 cs.AI cs.CR cs.CV
Shallow Diffuse: Robust and Invisible Watermarking through Low-Dimensional Subspaces in Diffusion Models
University of Michigan（密歇根大学）
本文提出Shallow Diffuse，一种通过扩散模型中低维子空间实现鲁棒且不可见水印的技术，提升了水印的检测性和数据生成的一致性。
2026-02-12 cs.CR cs.CV cs.LG
DLOVE: A new Security Evaluation Tool for Deep Learning Based Watermarking Techniques
Indian Institute of Technology Bhilai（印度比莱印度理工学院）
该研究针对基于深度神经网络的水印技术开展安全分析，提出新型DLOVE覆写攻击方法，经7种主流水印技术验证其攻击有效性，可作为基准工具测试此类水印的鲁棒性。
2024-07-09 cs.CR cs.CV
A blind Robust Image Watermarking Approach exploiting the DFT Magnitude
University of Burgundy（勃艮第大学）；Higher School of Technology（高等技术学院）；Faculty of Sciences, University of Mohammed V（穆罕默德五世大学理学院）
由于当前互联网的发展，数字内容（视频、音频和图像）被广泛使用。现在，多媒体内容的分发速度更快，而且允许轻易地未经授权复制信息。数字水印技术就是为了解决这个问题而出现的。它的主要思想是在不影响数字内容质量的前提下将水印嵌入到数字内容中。此外，水印可以用于几个应用，如认证，复制控制，不可识别，版权保护等，在本文中，我们提出了一种盲鲁棒图像水印方法作为解决数字图像版权保护问题。我们的方法的基本概念是将离散余弦变换（DCT）应用于由应用于原始图像的离散傅立叶变换（DFT）产生的幅度。然后，通过使用秘密密钥修改DCT的系数来嵌入水印以增加安全性。实验结果表明，所提出的技术的鲁棒性，以广泛的常见攻击，例如，低通高斯滤波，JPEG压缩，高斯噪声，椒盐噪声，高斯平滑和直方图均衡。该方法实现了峰值信噪比（PSNR）值大于66（dB），并确保了完美的水印提取。
2019-10-22 cs.CR cs.CV
Blind Deep-Learning-Based Image Watermarking Robust Against Geometric Transformations
Ghent University（根特大学）；imec（校际微电子中心）；IDLab
针对现有图像水印方法缺乏抗几何变换鲁棒性的问题，本文基于 HiDDeN 架构引入多种可微噪声层，提出了一种对几何攻击具有鲁棒性的盲深度学习水印方法，在几何鲁棒性上优于现有技术。
2024-02-14 cs.CR cs.CV cs.MM
Hidden in the Noise: Two-Stage Robust Watermarking for Images
New York University（纽约大学）
针对图像水印易受伪造和移除攻击的问题，提出基于扩散模型初始噪声的两阶段水印框架，通过引入傅里叶模式实现高效检测，并在抵御多种攻击中达到最先进的鲁棒性。
2025-04-27 cs.AI cs.CV cs.LG
InvZW: Invariant Feature Learning via Noise-Adversarial Training for Robust Image Zero-Watermarking
University of Nebraska at Omaha（内布拉斯加大学奥马哈分校）；New Jersey Institute of Technology（新泽西理工学院）
本文提出一种基于不变特征学习的新型深度学习框架，用于鲁棒图像零水印。通过在特征空间中优化学习参考签名，结合噪声对抗学习生成抗干扰且语义丰富的特征，再设计多比特零水印方案实现水印嵌入，实验显示其在特征稳定性和水印恢复方面表现优异。
2026-04-01 cs.CV cs.LG cs.MM
WaveMark: Robust Wavelet-Domain Image Watermarking for Diffusion Models
Queen's University（女王大学）；Nanjing University（南京大学）
本文提出WaveMark小波域水印方法，将消息嵌入扩散模型初始噪声，通过多维度分布带密钥消息位副本提升鲁棒性，在14种攻击下对SD2.1生成图像的位准确率优于基线，可用于扩散模型生成图像的来源追踪与知识产权保护。
2026-10-12 cs.CR cs.CV
RWN: Robust Watermarking Network for Image Cropping Localization
Fudan University（复旦大学）
图像裁剪可以被恶意地用于操纵图像的布局并改变其潜在含义。先前的图像裁剪检测方案仅预测图像是否已被裁剪，而忽略图像的哪个部分被裁剪。提出了一种新的鲁棒水印网络（RWN）用于图像裁剪定位。我们训练一个抗裁剪处理器（ACP），将水印嵌入到目标图像中。然后，在社交网络上发布视觉上无法区分的受保护图像，而不是原始图像。在接收方，ACP算法从被攻击图像中提取水印，并对原始图像和提取的水印进行特征匹配，定位出作物在原始图像平面上的位置。我们进一步扩展我们的计划检测篡改攻击的攻击图像。此外，我们探索了一种简单而有效的方法（JPEG-Mixup），以提高JPEG鲁棒性的推广。综合实验表明，RWN是第一个提供高精度和鲁棒性的图像作物定位方法。此外，篡改检测的准确性与许多国家的最先进的被动为基础的方法相媲美。
2022-05-31 cs.AI cs.CV
Adaptive Control of Embedding Strength in Image Watermarking using Neural Networks
Isfahan University of Technology（伊斯法罕理工大学）
数字图像水印技术在数字媒体版权保护等领域有着广泛的应用。鲁棒性和透明性这两个相对的标准是水印方法的目标。在本文中，我们提出了一个框架，用于确定适当的嵌入强度因子。该框架可以使用大多数基于DWT和DCT的盲水印方法。我们在COCO数据集上使用Mask R-CNN来为每个子块找到一个好的强度因子。实验结果表明，该方法对各种攻击具有较好的鲁棒性和透明性。
2020-01-09 cs.CV cs.MM eess.IV
VideoMarkBench: Benchmarking Robustness of Video Watermarking
Duke University（杜克大学）；Ant Group（蚂蚁集团）
本文提出VideoMarkBench，首个系统评估视频水印在去除和伪造攻击下鲁棒性的基准，涵盖多模型、风格、水印方法及威胁模型，揭示现有方法的脆弱性。
2025-05-27 cs.AI cs.CR cs.CV
TIACam: Text-Anchored Invariant Feature Learning with Auto-Augmentation for Camera-Robust Zero-Watermarking
Department of Computer Science University of Nebraska Omaha（计算机科学系 内布拉斯加大学奥马哈分校）
TIACam通过文本锚定不变特征学习和自增强技术，实现抗相机重拍的零水印系统，提升特征稳定性和水印提取准确性。
2026-02-21 cs.CV cs.LG cs.MM
Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions
Huazhong University of Science and Technology（华中科技大学）；Nanchang University（南昌大学）
针对现有深度学习水印方法仅能抗弱噪声的问题，本文提出PWFN模型，通过在噪声层与解码器间加去噪模块、引入SE模块提升编解码效率，在不同噪声强度下性能优于现有最优模型。
2024-05-17 cs.CV cs.MM eess.IV
Efficient Robust Watermarking Based on Quaternion Singular Value Decomposition and Coefficient Pair Selection
Shanghai University（上海大学）；Research Institute of USV Engineering（无人艇工程研究院）；Jiangsu Normal University（江苏师范大学）；Research Institute of Mathematical Science（数学科学研究院）
四元数奇异值分解（QSVD）是一种鲁棒的数字水印技术，它可以从低失真的水印图像中提取高质量的水印。本文对QSVD技术进行了深入研究，提出了一种有效的鲁棒水印方案。针对传统QSVD设计中出现的“复杂度爆炸”问题，提出了改进的代数保结构方法。通过在QSVD中引入系数对选择和自适应嵌入两种新策略，实现了秘密信息的盲传输。不同于传统的QSVD嵌入水印在一个单一的虚部单位，我们提出了自适应嵌入水印到最佳的隐藏位置使用归一化互相关（NC）方法。这避免了选择具有较小相关性的系数对，并且因此通过减少系数值的最大修改来减少嵌入影响。与传统的QSVD算法相比，该算法避免了对单个彩色图像层进行更多的修改，并且水印图像具有更好的视觉质量。同时，自适应QSVD能抵抗一些常见的几何攻击，提高了传统QSVD的鲁棒性。通过这些改进，我们的方法优于传统的QSVD。它的优越性，比其他国家的最先进的方法也证明了实验。
2020-11-06 cs.CV cs.NA math.NA
SPDMark: Selective Parameter Displacement for Robust Video Watermarking
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）；Michigan State University (MSU)（密歇根州立大学）
SPDMark通过在视频扩散模型中选择性位移参数，在生成视频时嵌入不可见水印，实现高鲁棒性和计算效率的平衡。
2026-04-01 cs.CR cs.CV cs.LG
From Attack to Protection: Leveraging Watermarking Attack Network for Advanced Add-on Watermarking
Seung-Hun Nam；Jihyeon Kang；Daesik Kim；Namhyuk Ahn；Wonhyuk Ahn
本文提出可训练的水印攻击网络WAN，利用残差密集块架构在保持视觉质量的同时破坏多位水印系统，并进一步将其转化为附加式水印机制AoW，以增强现有水印方案的鲁棒性与不可感知性。
2025-05-03 cs.CR cs.CV cs.MM
Robust watermarking with double detector-discriminator approach
Wroclaw University of Science and Technology（弗罗茨瓦夫理工大学）；Vestigit
在本文中，我们提出了一种新的深度框架的水印-一种技术，嵌入到图像中的透明消息的方式，允许检索的消息从（扰动）副本，使版权侵权可以跟踪。对于这种技术，它是必不可少的，即使在施加一些数字处理操作后，从图像中提取的信息it. Our框架优于最近的方法的背景下，不仅对频谱的攻击（如旋转，旋转，高斯平滑），但也对压缩，特别是JPEG的鲁棒性。对于所有类型的失真，我们的方法的位精度至少为0.86。我们还实现了JPEG的0.90位精度，而最近的方法提供了最多0.83。我们的方法也保持了高透明度和容量。此外，我们提出了我们的双检测器，检测和判别的图像是否包含嵌入的消息或不，这是至关重要的现实生活中的水印系统，到目前为止还没有研究使用神经网络的方法。在此基础上，我们设计了一个测试公式来验证我们的扩展方法，并将其与一个常见的过程进行了比较。我们还提出了一种替代方法，图像质量和攻击的鲁棒性之间的平衡，这是很容易适用于框架。
2020-06-06 cs.CR cs.CV cs.MM
SWIFT: Semantic Watermarking for Image Forgery Thwarting
IRISA, Univ. Rennes, Inria, CNRS（IRISA、里昂大学、Inria、CNRS）
本文提出一种基于语义水印的图像认证与篡改检测方法，通过修改 HiDDeN 架构嵌入图像描述的高维实向量，提升了鲁棒性并引入局部置信度度量，为图像完整性验证提供了实用解决方案。
2025-10-13 cs.AI cs.CR cs.CV
RoboSignature: Robust Signature and Watermarking on Network Attacks
New York University（纽约大学）
本文提出针对 Stable Signature 水印的对抗性微调攻击，揭示其脆弱性，并设计了一种受大语言模型方法启发的防篡改微调算法，以增强潜在扩散模型水印的鲁棒性。
2024-12-22 cs.AI cs.CR cs.CV
