了解处理中生成图像水印的语义扰动

高保真生成模型的广泛部署加剧了对可靠来源和内容认证机制的需求。处理中水印，将签名嵌入到生成模型的合成过程中，已被提倡作为一种解决方案，并且经常被报道对标准后处理（例如几何变换和过滤）具有鲁棒性。然而，在保持合理视觉质量的同时改变高级场景内容的语义操作的鲁棒性还没有得到很好的研究或理解。我们引入了一个简单的多阶段框架，用于在语义漂移下系统地对处理中的生成水印进行压力测试。该框架利用现成的模型进行对象检测、掩模生成以及语义引导的修复或再生，以产生受控的、意义改变的编辑，同时将感知退化降至最低。基于对代表性方案的大量实验，我们发现鲁棒性随着语义纠缠的程度而显着变化：在一系列常规扰动下水印保持可检测的方法在语义编辑下可能会失败，在许多情况下，水印可检测性下降到接近零，而图像质量仍然很高。总的来说，我们的结果揭示了当前水印评估中的一个关键差距，并表明水印设计和基准测试必须明确考虑针对语义操作的鲁棒性。