ADD：基于内积解码的多比特图像水印

随着生成模型能够快速创建高保真图像，社会对错误信息和真实性的担忧日益加剧。一种有前途的补救措施是多位图像水印，它将多位消息嵌入到图像中，以便验证者稍后可以检测该图像是否由某人生成，并通过解码嵌入的消息进一步识别来源。现有方法通常在容量、对常见图像失真的恢复能力和理论论证方面存在不足。为了解决这些限制，我们提出了ADD（Add，Dot，Decode），这是一种多位图像水印方法，具有两个阶段：学习水印与多位消息线性组合并添加到图像中，并通过水印图像和学习到的水印之间的内积进行解码。在标准 MS-COCO 基准测试上，我们证明，对于 48 位水印这一具有挑战性的任务，ADD 实现了 100% 的解码精度，在大范围的图像失真下性能下降最多 2%，远小于最先进方法 14% 的平均下降。此外，ADD 还实现了巨大的计算增益，其嵌入速度比最快的现有方法快 2 倍，解码速度比最快的现有方法快 7.4 倍。我们进一步提供了理论分析来解释为什么学习的水印和相应的解码规则是有效的。