Key points are not available for this paper at this time.
워터마크는 잠재 확산 모델에 의해 생성된 이미지를 적극적으로 식별하고 귀속시키기 위한 도구입니다. 기존 방법은 워터마크 강도와 이미지 품질 사이의 딜레마에 직면해 있습니다. 이러한 딜레마의 원인은 워터마크 탐지가 픽셀 공간에서 수행되기 때문이며, 이는 이미지 품질과 워터마크 강도 사이의 본질적인 연관성을 의미합니다. 본 논문에서는 문제에 대한 효과적인 해결책은 잠재 공간에서 워터마크를 주입하고 탐지하는 것임을 강조하며, 점진적 학습 전략을 갖춘 잠재 워터마크(LW)를 제안합니다. 실험 결과, LW는 StegaStamp, StableSignature, RoSteALS 및 TreeRing과 같은 최근 제안된 방법들보다 강도 면에서 우위를 점할 뿐만 아니라 더 우수한 이미지 품질을 제공합니다. 64비트 메시지를 주입할 때, LW는 9개의 단일 공격 시나리오와 하나의 모든 공격 시나리오에서 100%에 가까운 식별 성능과 97% 이상의 귀속 성능을 달성할 수 있습니다. 우리의 코드는 GitHub에서 확인할 수 있습니다.
Meng et al. (금요일)은 이 질문에 대해 연구했습니다.