封面：使用生成视频先验的编解码器鲁棒视频水印

视频水印支持版权保护和生成媒体的来源，但几乎每个视频在存储或共享之前都经过编解码器压缩。编解码器精确地丢弃了大多数水印所依赖的感知冗余组件，因此即使标记的视频事先看起来完美无缺，有效负载也经常会丢失。现有方法使这条路径保持开放，因为它们将压缩视为通用失真列表中的一项，而真正的编解码器是不可微分的，并且无法进入基于梯度的训练。我们提出了 COVER，这是第一个以编解码器压缩为设计目标的学习视频水印，它通过将有效负载嵌入到冻结的生成视频自动编码器的潜在空间中，并通过将接收到的视频重新编码到同一潜在空间中来恢复它，从而在压缩中幸存下来。为了使编解码器的鲁棒性可训练，我们构建了一个可微的编解码器代理库来模拟实际压缩的主要退化模式，并在保真度目标下通过三个共享恢复路径来训练嵌入器和潜在解码器，该保真度目标限制了像素和频域中的残差。在 12 个设置的四种编解码器中，COVER 获得了 93.72% 的平均比特精度，在 12 个中的 11 个中排名第一，将最强的先验方法改进了 2.68 个点，并将最差操作点从 68.90% 提升到 73.72%，同时每个标记的视频在视觉上都保持与生成它的源剪辑接近。