从噪音中挑选水印（PWFN）：一种针对强度扭曲的改进鲁棒性水印模型

May, 2024

从噪音中挑选水印（PWFN）：一种针对强度扭曲的改进鲁棒性水印模型

Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions

Sijing Xie, Chengxin Zhao, Nan Sun, Wei Li, Hefei Ling

TL;DR本文提出了一种改进的数字水印算法，通过在噪声层和解码器之间引入去噪模块来增强该模型对于更强噪声的鲁棒性，同时引入 SE 模块以提高编码器的效率。实验结果表明该方法在不同噪声强度下可以媲美现有模型并且胜过同类型算法，消融实验进一步验证了我们提出的模块的优越性。

Abstract

digital watermarking is the process of embedding secret information by altering images in a way that is undetectable to the human eye. To increase the robustness of the model, many deep learning-based watermarkin

digital watermarking deep learning encoder-decoder architecture denoise module se module

发现论文，激发创造

失真无关的深度水印

本文提出了一种新的框架，通过对抗训练和信道编码的方法来实现无失真鲁棒性，相比于使用固定的图像扭曲噪声的深度学习方法，该方法在训练时不需要显式对图像扭曲建模，并能对未知的扭曲实现更好的性能。

Jan, 2020

盲深度学习图像水印技术对几何变换具有鲁棒性

提出了一种新的数字水印方法，基于深度学习的 HiDDeN 架构，并添加了与几何攻击鲁棒性相关的新噪声层，证明该方法在几何鲁棒性方面胜过现有的技术，可用于保护消费者设备上查看的图像。

Feb, 2024

DiffWA: 水印攻击的扩散模型

本文提出了一种基于条件扩散模型的去水印攻击方法 DiffWA，该方法在未带水印的图像上训练了一个图像到图像的条件扩散模型，并在采样时使用距离引导指导模型生成类似于原始图像的未带水印的图像，实验结果表明，本方法能够有效地去除水印并提高水印提取的误比特率，且攻击后的图像与原始图像相比，保留了较好的视觉效果。

Jun, 2023

图像处理网络的模型水印技术

基于空间隐形水印技术，提出了一种图像处理模型的水印框架，防止模型权益被侵犯。实验证明，该水印技术可抵抗不同网络结构和目标函数训练出的替代模型。

Feb, 2020

大型语言模型的多比特无失真水印技术

扩展了一种零比特的无失真水印方法，将多位元的元信息作为水印的一部分嵌入，并开发了一个计算效率高且具有低比特误码率的解码器来提取水印中的嵌入信息。

Feb, 2024

一种基于深度神经网络的自动、高效和健壮的图像水印方案

本文提出了一种基于深度学习神经网络的鲁棒盲水印方案，该方案实现了自适应图像水印算法，无需人工干预和注释，并且不需要事先了解敌对攻击的有关信息，实验证明了该方案的优越性。

Jul, 2020

深度神经网络的功能耦合水印

本文提出了一种新颖的 DNN 数字水印技术以有效防御模型精调和模型修剪等攻击。