PGID：用于稳健水印检测的渐进式引导反演和去噪

随着人工智能生成图像的激增，数字水印已成为保护知识产权和减少恶意利用的重要保障。最近有关语义水印的工作为扩散模型提供了有效的版权保护。然而，语义水印对水印检测扩散反转的依赖造成了一个严重的漏洞。印记去除和伪造攻击利用这一弱点来产生欺骗性结果。我们的分析表明，这些攻击通过将带水印的潜在对象转移到未加水印的区域，同时将未加水印的潜在对象引导到带水印的区域来成功。在此基础上，我们提出了渐进式引导反演和降噪（PGID），这是第一个即插即用的 无需训练 噪声提取框架，旨在防御这两种攻击策略。 PGID 通过将受干扰的潜伏投射回它们最初所属的区域来有效地进行防御。该预测是通过消除中间潜在偏转并通过渐进的反演去噪循环减轻对抗性扰动来实现的。多个方案的综合评估表明，PGID 通过恢复已删除的水印和识别伪造实例，成功恢复了检测可靠性。