ملخص تقني: SafeMark للحفاظ على العلامات المائية أثناء تحرير الصور الموجه بالنصوص

بيان المشكلة

أتاح التقدم السريع في نماذج تحويل النص إلى صورة (مثل Stable Diffusion وDALL-E 3) تحريراً قوياً للصور مدفوعاً بالدلالات عبر عملية إزالة الضجيج التكرارية. وبينما أثبتت العلامات المائية غير المرئية للصور مكانتها كأداة حاسمة للتحقق من الملكية وتتبع المصدر في التوليد الثابت، إلا أن متانتها تحت التحرير الموجه بالنصوص عبر الانتشار (diffusion editing) لا تزال غير مستكشفة إلى حد كبير.

تعتمد طرق العلامات المائية القوية الموجودة حالياً (مثل HiDDeN وVINE وSleeperMark) عادةً على نموذج دفاع ضد الهجمات العدائية، حيث يتم تدريب المشفرات ضد تشوهات محددة مسبقاً (مثل JPEG أو تغيير الحجم) أو سلوكيات تحرير معينة. ومع ذلك، يوضح البحث أن هذه الطرق تفشل في التعميم عبر محررات الانتشار المتنوعة وغير المتجانسة. فعند تحرير الصور باستخدام محررات موجهة بالنصوص مثل DiffusionCLIP أو Asyrp أو Eff-Diff، تتدهور دقة بتات العلامة المائية بشكل كبير (على سبيل المثال، تنخفض من ~0.99 إلى ~0.30 في بعض الحالات). السؤال البحثي الجوهري هو: هل يمكن للصور التي تحمل علامات مائية أن تظل قابلة للتحرير دون المساس بسلامة العلامة المائية؟ يجادل البحث بأن العلامات المائية "القوية" الحالية تعتمد على المحرر، وأن هناك حاجة لنهج جديد لفرض السلامة أثناء عملية التحرير نفسها.

المنهجية: SafeMark

يقترح المؤلفون SafeMark، وهو إطار عمل يعامل الحفاظ على العلامة المائية كهدف صريح ضمن عملية تحسين تحرير الصورة، بدلاً من الاعتماد على المتانة الجوهرية للعلامة المائية وحدها.

1. صياغة المشكلة

يصيغ SafeMark الحفاظ على العلامة المائية كمسألة تحسين مقيدة. بالنظر إلى صورة أصلية $x_{orig}$ تحمل رسالة $w$، ومحرر $E_\theta$، ومطالبة نصية $p$، فإن الهدف هو إيجاد المعلمات $\theta^*$ التي تقلل الخسارة الدلالية مع استيفاء قيد دقة العلامة المائية:
$$\min_\theta \mathbb{E}[L_{sem}(x_{edit}, x_{ref})] \quad \text{s.t.} \quad \text{Acc}(\hat{w}, w) \geq \tau$$
حيث $x_{edit} = E_\theta(x_{orig}, p)$، و$\hat{w}$ هي العلامة المائية التي تم فك تشفيرها، و$\tau$ هو عتبة الدقة المستهدفة.

2. الأساس المعلوماتي النظري

يقدم البحث تبريراً نظرياً لتحسين دقة البتات بشكل مباشر.

• حد المعلومات المتبادلة: ترتبط إمكانية استعادة العلامة المائية بالمعلومات المتبادلة $I_\theta(W; X_e)$ التي يحافظ عليها قناة المحرر.
• دقة البتات كبديل: يثبت المؤلفون (عبر متباينة فانو والتمهيدية 1) أن الحفاظ على متوسط دقة بتات مرتفع $\bar{a}$ يضع حداً أدنى لمعلومات الاستعادة. وتحديداً، فإن فرض $\bar{a} \geq \tau$ يضمن مستوى أدنى من الحفاظ على المعلومات مطلوب للاستعادة.

3. هدف التدريب وعقوبة المفصل (Hinge Penalty)

بما أن دقة البتات الصارمة غير قابلة للاشتقاق، يقوم SafeMark بتخفيف القيد باستخدام عقوبة مفصل عتبية (thresholded hinge penalty) على بديل قابل للاشتقاق (خسارة من نوع Brier):
$$L_{wm} = \max(0, \tau - \hat{g}_{Acc}(\hat{w}, w))$$
حيث $\hat{g}_{Acc}$ هو تقريب سلس لدقة البتات. يجمع هدف التدريب الإجمالي بين الأمانة الدلالية والحفاظ على العلامة المائية:
$$L_{total} = \lambda_{sem} L_{sem} + \lambda_{wm} L_{wm}$$

• المحاذاة الدلالية: لضمان بقاء التحرير وفياً لنية المستخدم، يتم إنشاء تحرير مرجعي $x_{ref}$ باستخدام محرر ثابت ومدرب مسبقاً $E_{\theta_0}$. تعمل الخسارة الدلالية $L_{sem}$ على تشجيع مخرجات المحرر القابل للتدريب على البقاء قريبة من هذا المرجع (مسافة $L_1$).
• البنية: لا يتطلب SafeMark أي تعديل بنيوي لمحرر الانتشار الأساسي. فهو يعمل عن طريق ضبط معلمات المحرر $\theta$ مع إبقاء مشفر/فك تشفير العلامة المائية ثابتاً. تتدفق التدرجات فقط عبر المخرجات النهائية لعملية إزالة الضجيج.

المساهمات الرئيسية

1. التحديد التجريبي لتبعية المحرر: يوضح البحث أن طرق العلامات المائية القوية الموجودة تفشل في التعميم عبر خطوط أنابيب التحرير المختلفة الموجهة بالنصوص، مع تباين الأداء بشكل حاد اعتماداً على المحرر المستخدم.
2. الأساس النظري: يؤسس البحث أساساً معلوماتياً نظرياً للحفاظ على العلامة المائية أثناء التحرير، موضحاً أن دقة البتات هي بديل قابل للتطبيق للحفاظ على المعلومات المتبادلة، مما يبرر استخدام أهداف عقوبة المفصل.
3. إطار عمل SafeMark: طريقة مبتكرة تدمج الإشراف على العلامة المائية مباشرة في هدف التحرير، محققة استعادة شبه مثالية للعلامة المائية (دقة بتات $\approx 1.0$) عبر مختلف المحررات ومجموعات البيانات دون التضحية بجودة التحرير الدلالي.
4. التحقق من المتانة: يظهر المؤلفون أن الصور المحمية بواسطة SafeMark تظل قوية تجاه التشوهات الشائعة بعد التحرير (مثل التدوير، التغبيش، وتغيير الحجم)، مما يؤكد أن فرض الحفاظ على العلامة المائية أثناء التحرير لا يقلل من القدرة على مقاومة التلفيات القياسية للصور.

النتائج التجريبية

تم تقييم الإطار على صور حقيقية (LSUN-Church, LSUN-Bedroom, CelebA, AFHQ-Dog) وصور مولدة بالذكال الاصطنا1، باستخدام مخططات علامات مائية متعددة (HiDDeN, VINE, Stable Signature, SleeperMark) وثلاثة محررات انتشار متميزة (DiffusionCLIP, Asyrp, Eff-Diff).

• الحفاظ على العلامة المائية: بينما تسبب التحرير المباشر ("Mani") في انخفاض دقة البتات بشكل كبير (على سبيل المثال، انخفضت دقة VINE في صور Bedroom من 0.999 إلى 0.299 تحت Asyrp)، نجح SafeMark باستمرار في استعادة الدقة إلى 1.000 (أو مستويات شبه مثالية مثل 0.999) في جميع الإعدادات.
• الأمانة الدلالية: لم يمس SafeMark جودة التحرير. أظهرت مقاييس مثل FID وInception Score (IS) وتشابه CLIP أن مخرجات SafeMark ظلت قريبة دلالياً وحسياً من التحريرات المباشرة. كما سجل مقياس "Comp" (الذي يقارن تحريرات SafeMark بالتحريرات المباشرة) قيم FID منخفضة، مما يشير إلى أن قيد العلامة المائية لم يجبر الصورة على العودة إلى الأصل أو يسبب انهيار المخرجات.
• المتانة بعد التحرير: تحت تأثير التشوهات مثل القص والتغبيش، حافظ SafeMark على دقة بتات عالية (معدلات الفشل عموماً أقل من 0.15)، مما يثبت أن إشارة العلامة المائية المحفوظة قوية تجاه المعالجات اللاحقة.

الأهمية والادعاءات

يزعم البحث أن قابلية التحرير الدلالي وسلامة العلامة المائية متوافقان جوهرياً. إن تدهور العلامات المائية تحت التحرير الدلالي ليس عجزاً متأصلاً في عملية التحرير، بل هو نتيجة لديناميكيات التحرير غير المقيدة.

من خلال نقل النموذج من "العلامة المائية القوية ضد التحرير" إلى "التحرير المحافظ على العلامة المائية"، يوفر SafeMark حلاً في مرحلة التصميم لضمان مصدر الصور الموثوق. يضع المؤلفون SafeMark كآلية تسمح لمزودي خدمات تحرير الصور بتقديم عمليات تلاعب عالية الجودة ومدفوعة بالدلالات مع ضمان بقاء إشارات الملكية قابلة للاستعادة. وهذا يعيد صياغة حماية المصدر كجزء لا يتجزأ من عملية التحرير بدلاً من كونها إضافة خارجية، مما يتيح توثيق المصدر في سير عمل التحرير التوليدي.

يعترف البحث بتواضع ببعض القيود: يتطلب SafeMark حالياً وصولاً "صندوق أبيض" (white-box) للمحرر وخطوة ضبط دقيق (fine-tuning) منفصلة لكل بنية، وقد يواجه تحديات مع التحريرات الهيكلية العنيفة للغاية التي تغير تخطيط المشهد بشكل جذري يتجاوز قدرة العلامة المائية. ومع ذلك، فإنه يضع إثبات مفهوم حاسم بأن الحفاظ على العلامة المائية يمكن فرضه بالتصميم.