🤖 machine learning

SPDMark: Selective Parameter Displacement for Robust Video Watermarking

SPDMark es un marco innovador de marcaje de agua en generación que utiliza el desplazamiento selectivo de parámetros mediante LoRA en modelos de difusión de video para lograr imperceptibilidad, robustez ante modificaciones y eficiencia computacional, permitiendo además la recuperación precisa del orden de los cuadros incluso en videos temporalmente alterados.

Autores originales: Samar Fares, Nurbek Tastan, Karthik Nandakumar

Publicado 2026-04-02

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Samar Fares, Nurbek Tastan, Karthik Nandakumar

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Imagina que el mundo de los videos generados por Inteligencia Artificial es como una gran fábrica de películas donde las máquinas crean historias increíbles desde la nada! Pero, como en cualquier gran fábrica, surge un problema: ¿cómo sabemos quién fabricó cada película? ¿Cómo podemos distinguir si un video es real o si fue creado por una IA para engañarnos?

Aquí es donde entra SPDMark (que suena como "SpeedMark", o "Marca Rápida"). Es una nueva tecnología diseñada para poner una huella digital invisible dentro de los videos que crea la IA, sin que nadie se dé cuenta.

Aquí te explico cómo funciona, usando analogías sencillas:

1. El Problema: La Marca de Agua que se ve

Antes, para poner una marca de agua en un video, los expertos tenían dos opciones, y ambas tenían defectos:

Opción A (Posterior): Grabar el video y luego intentar "pintar" una marca invisible encima. El problema es que es lento y la marca se borra si alguien recorta el video o cambia el brillo.
Opción B (Durante la creación): Intentar cambiar el "ruido" inicial de la IA. El problema es que esto a veces hace que el video se vea extraño o requiera mucha potencia de computadora.

2. La Solución de SPDMark: Cambiar los "Músculos" de la Máquina

SPDMark hace algo diferente. En lugar de pintar sobre el video o cambiar el ruido, modifica ligeramente los "músculos" de la máquina que crea el video.

Imagina que la IA es un chef experto que sabe cocinar cualquier plato (video).

Normalmente, el chef tiene un libro de recetas fijo (los parámetros de la IA).
SPDMark le da al chef un set de herramientas mágicas y ligeras (llamadas "adaptaciones de bajo rango" o LoRA).
Cuando el chef quiere cocinar un video para ti, elige una herramienta específica de su caja según un código secreto (la clave de la marca de agua).
Al usar esa herramienta, el chef hace un movimiento casi imperceptible con la cuchara. El plato (el video) sabe exactamente igual, se ve igual, pero lleva una firma oculta en su estructura interna que solo quien tiene la llave puede leer.

3. ¿Cómo funciona la "Huella Digital" en cada fotograma?

Los videos son una secuencia de muchas fotos (fotogramas). Un video normal tiene 24 o 30 fotos por segundo.

El truco de SPDMark: No pone la misma marca en todo el video. ¡Cambia la herramienta mágica en cada fotograma!
Es como si el chef cambiara el tipo de sal que usa en cada bocado de la sopa.
Esto es genial porque si alguien intenta borrar un pedazo del video, cambiar el orden de las escenas o insertar una escena falsa, el sistema puede detectar exactamente dónde está el problema. Es como tener un código de barras único en cada página de un libro; si te falta una página o alguien pone una página de otro libro, te das cuenta inmediatamente.

4. ¿Por qué es tan bueno?

Invisible: Como los cambios son tan pequeños (como cambiar un gramo de sal en una olla gigante), el ojo humano no nota ninguna diferencia. La calidad del video se mantiene perfecta.
Robusto: Si alguien intenta recortar el video, cambiarle el brillo, comprimirlo para subirlo a redes sociales o incluso grabar la pantalla con un celular, la marca de agua sigue ahí. Es como si la marca estuviera tatuada en la estructura misma del video, no pintada encima.
Rápido y Eficiente: No necesita reentrenar a toda la IA cada vez que quiere poner una marca nueva. Solo cambia la "herramienta" que elige el chef. Esto lo hace muy rápido y barato de usar.

5. El Detective (La Verificación)

Cuando alguien quiere verificar si un video es auténtico:

Toma el video.
Usa un "detector" (un algoritmo) que busca esas pequeñas señales en cada fotograma.
Como cada fotograma tiene su propio código, el detective puede reordenar las piezas si el video fue manipulado.
Si la mayoría de las piezas coinciden con el código secreto, ¡el video es auténtico! Si hay piezas que no encajan, el sistema te dice: "Oye, aquí alguien metió una escena falsa o borró una parte".

En resumen

SPDMark es como poner un chip de seguridad invisible dentro del ADN de cada video creado por IA. No estropea la película, no la hace lenta y es casi imposible de eliminar. Permite a los creadores decir: "Este video lo hice yo" y a los espectadores confiar en lo que ven, sabiendo que si alguien intenta falsificarlo, el sistema lo detectará.

Es una herramienta fundamental para mantener la confianza en la era de la inteligencia artificial, asegurando que podamos distinguir la realidad de la ficción generada por máquinas.

1. Planteamiento del Problema

La rápida evolución de los modelos de generación de video de alta calidad ha creado una necesidad urgente de esquemas de marca de agua robustos para rastrear la procedencia de los contenidos generados por IA y prevenir su mal uso. Los métodos existentes presentan compromisos (trade-offs) significativos entre tres factores críticos:

Imperceptibilidad: La marca de agua no debe degradar la calidad visual del video.
Robustez: Debe resistir modificaciones comunes (compresión, recorte, cambios temporales como saltos de cuadros o reordenamiento).
Eficiencia Computacional: El proceso de inserción y extracción no debe añadir una latencia excesiva.

Los enfoques actuales fallan en satisfacer simultáneamente estos requisitos. Los métodos post-hoc (aplicados después de la generación) añaden latencia y no aprovechan los priores generativos. Los métodos in-generation (durante la generación) basados en el espacio de ruido (como la inversión DDIM) son computacionalmente costosos y frágiles ante manipulaciones temporales, mientras que los métodos de ajuste fino (fine-tuning) a menudo modulan uniformemente todas las capas, limitando el control por cuadro y afectando la calidad visual.

2. Metodología: SPDMark

El artículo propone SPDMark (SpeedMark), un marco de trabajo escalable para la marca de agua in-generation basado en el concepto de Desplazamiento Selectivo de Parámetros (SPD).

Concepto Central

En lugar de perturbar píxeles o ruido, SPDMark incrusta mensajes de marca de agua desplazando selectivamente los parámetros del modelo generativo (específicamente el decodificador del modelo de difusión latente).

Componentes Clave:

Desplazamiento de Parámetros como Composición Aditiva:
- El desplazamiento de parámetros ( $\Delta\Phi$ ) se modela como una composición aditiva de desplazamientos de base (basis shifts) a nivel de capa.
- Se utiliza una diccionario de desplazamientos de base de bajo rango (implementados mediante LoRA - Low-Rank Adaptation) que se aprende durante el entrenamiento.
- Un solo diccionario entrenado soporta claves de marca de agua arbitrarias sin necesidad de reentrenar el modelo para cada clave.
Mapeo de Clave y Selección de Base:
- Una clave de marca de agua ( $\kappa$ ) se mapea a una máscara binaria que selecciona una combinación específica de desplazamientos de base para cada capa del decodificador.
- Para cada cuadro del video, se deriva un mensaje único ( $\kappa_t$ ) a partir de una clave base secreta utilizando una función hash criptográfica (ej. HMAC-SHA256). Esto permite un control cuadro a cuadro.
Extracción y Verificación:
- Extractor: Un modelo ligero (ResNet-50) procesa cada cuadro individualmente para recuperar el mensaje incrustado.
- Alineación Temporal: Dado que los videos pueden sufrir manipulaciones temporales (cuadros eliminados, insertados o reordenados), el sistema utiliza emparejamiento bipartito máximo (algoritmo húngaro) para alinear los mensajes extraídos con los mensajes esperados.
- Prueba de Hipótesis: Se aplica una prueba estadística para determinar la validez de la marca de agua y localizar las modificaciones temporales específicas.
Función de Pérdida:
- El entrenamiento minimiza una combinación de:
  - Pérdida de Recuperación de Mensaje: Para asegurar que el extractor recupere correctamente el mensaje.
  - Pérdida de Imperceptibilidad: Basada en la similitud perceptual (LPIPS) y la consistencia temporal (evitando parpadeos entre cuadros).

3. Contribuciones Principales

Marco SPDMark: Propone un nuevo enfoque para la marca de agua in-generation en modelos de difusión de video, permitiendo la incrustación multi-clave sin reentrenamiento por clave.
Eficiencia mediante LoRA: Modela el desplazamiento de parámetros utilizando adaptaciones de bajo rango (LoRA), lo que garantiza la eficiencia de parámetros y permite la incrustación de mensajes únicos por cuadro con sobrecarga de inferencia negligible.
Detección de Manipulaciones Temporales: Introduce un mecanismo robusto que no solo recupera la marca de agua, sino que localiza alteraciones temporales (saltos, intercambios) mediante emparejamiento bipartito y pruebas estadísticas.
Rendimiento Equilibrado: Demuestra experimentalmente un equilibrio superior entre imperceptibilidad, robustez y eficiencia en comparación con el estado del arte.

4. Resultados Experimentales

Los autores evaluaron SPDMark en dos modelos de difusión de video: Stable Video Diffusion (SVD-XT) y ModelScope.

Calidad de Video: SPDMark mantiene una alta calidad visual, logrando las puntuaciones más altas en consistencia de sujetos (SC) y suavidad de movimiento (MS) en SVD-XT, y la mejor consistencia de fondo (BC) e calidad de imagen (IQ) en ModelScope.
Precisión de Extracción:
- Logra una precisión de bits (Bit Acc) del 99.5% en SVD-XT y 98.8% en ModelScope en condiciones ideales.
Robustez:
- Superó a los métodos competidores (VideoShield, VideoSeal, VidSig) en una amplia gama de ataques, incluyendo distorsiones fotométricas, geométricas (recorte, rotación) y manipulaciones temporales.
- Promedio de robustez: 93.5% en SVD-XT y 93.9% en ModelScope.
- Destaca especialmente en la recuperación tras recortes y reordenamientos de cuadros, donde los métodos basados en ruido fallan.
Forensia Temporal: El sistema logra una precisión casi perfecta (>99%) en la detección y localización de cuadros eliminados, insertados o intercambiados.

5. Significado e Impacto

SPDMark representa un avance significativo en la seguridad y trazabilidad de los contenidos generados por IA.

Superación de Limitaciones: Resuelve el dilema entre la eficiencia computacional y la robustez temporal que afectaba a los métodos anteriores.
Escalabilidad: Al no requerir reentrenamiento para nuevas claves y operar directamente en los parámetros del modelo, es altamente escalable para entornos de producción.
Aplicabilidad Práctica: Su capacidad para detectar y localizar manipulaciones temporales lo convierte en una herramienta vital para la forensia digital y el cumplimiento de regulaciones emergentes (como la Ley de IA de la UE).
Eficiencia: Al evitar la inversión DDIM y utilizar LoRA, ofrece una solución viable para la implementación en tiempo real o cerca del tiempo real.

En conclusión, SPDMark demuestra que el desplazamiento selectivo de parámetros es un mecanismo efectivo y práctico para la marca de agua en modelos de difusión de video modernos, ofreciendo un equilibrio superior entre precisión de detección, coherencia temporal y eficiencia computacional.