Resumen Técnico: AnchorMark

Declaración del Problema

El marcaje de agua basado en inversión para modelos de difusión incrusta las cargas útiles directamente en el espacio latente inicial, lo que permite que las marcas de agua se formen durante la generación de la imagen y se recuperen mediante la inversión de la difusión sin necesidad de reentrenar el generador. Aunque es efectivo contra distorsiones comunes no geométricas, estos métodos sufren un modo de fallo fundamental ante ataques de rotación.

Los esquemas de múltiples bits basados en inversión existentes asocian los bits de la carga útil con portadores indexados espacialmente. Cuando una imagen se rota, la correspondencia espacial entre el latente recuperado y las posiciones de los bits esperadas se interrumpe. Los enfoques previos para este problema se dividen en dos categorías:

1. Sincronizadores aprendidos: Utilizan redes auxiliares para estimar transformaciones, pero requieren entrenamiento adicional y pueden depender de arquitecturas o distribuciones de ataque específicas.
2. Diseños espectrales invariantes a la rotación: Estos suprimen la sensibilidad de la orientación para detectar la presencia de la marca de agua, pero fallan al recuperar la correspondencia ordenada necesaria para el rastreo de la carga útil de múltiples bits.

En consecuencia, existe una falta de un mecanismo ligero, modular y libre de entrenamiento para sincronizar las marcas de agua basadas en inversión bajo transformaciones geométricas.

Metodología: AnchorMark

Los autores proponen AnchorMark, un marco de trabajo de marcaje de agua basado en inversión, robusto y libre de entrenamiento. El núcleo del método reside en una propiedad estructural recientemente identificada en los espacios latentes de difusión denominada Sincronía de Rotación (Rotation Synchrony).

1. Sincronía de Rotación

El artículo establece que una rotación en el dominio de la imagen induce la misma rotación angular en el latente inicial recuperado. Formalmente, para una imagen $I$ rotada por un ángulo $\alpha$, el latente inicial recuperado $\hat{x}_T(\alpha)$ satisface aproximadamente:
$$\hat{x}_T(\alpha) \approx R_\alpha x_T$$
donde $R_\alpha$ es el operador de rotación y $x_T$ es el latente inicial original. La desviación de esta relación ideal está acotada por residuos derivados del codificador VAE, la dinámica de inversión de la difusión y el ciclo de generación-inversión. La validación empírica confirma que el emparejamiento del latente recuperado contra referencias rotadas produce una distancia mínima cercana al ángulo de rotación real.

2. Ancla de Fase Multifrecuencia

Para explotar la Sincronía de Rotación para la sincronización, AnchorMark incrusta un ancla de fase multifrecuencia compacto en la región central del latente inicial, desacoplado espacialmente de la región de la carga útil.

• Construcción: El ancla consiste en pares de canales seno-coseno que codifican frecuencias angulares ($k_j$). Este diseño convierte la rotación espacial en una respuesta de fase analítica predecible ($k_j \alpha$).
• Inyección: El ancla se inyecta mediante una inyección calibrada estadísticamente. La plantilla se estandariza para coincidir con la media y la desviación estándar del parche del latente original y se fusiona mediante un parámetro de mezcla $\lambda$, seguido de una recalibración para restaurar los momentos por canal. Esto minimiza el cambio de distribución y preserva la calidad de la imagen.

3. Sincronización Jerárquica y Recuperación

El proceso de extracción emplea una estrategia jerárquica de dos etapas:

1. Registro Global Guiado por el Ancla: El detector reconstruye el ancla de referencia y realiza una búsqueda de grueso a fino sobre ángulos de rotación candidatos. Minimiza la pérdida de emparejamiento normalizada entre el ancla recuperado y el ancla de referencia rotado para estimar el ángulo de rotación dominante.
2. Refinamiento Local Guiado por la Carga Útil: Para abordar el desalineamiento residual causado por la interpolación o el ruido de inversión, el sistema define un conjunto de candidatos locales alrededor de la estimación inicial. Refina el ángulo maximizando la confianza de verificación del decodificador de la marca de agua subyacente en la región de la carga útil. La carga útil final se extrae utilizando este ángulo refinado.

Principales Contribuciones

1. Identificación de la Sincronía de Rotación: Los autores formalizan la propiedad de que las rotaciones en el espacio de la imagen inducen rotaciones angulares correspondientes en el latente inicial recuperado, proporcionando una base teórica para la sincronización en el espacio latente.
2. Marco de Trabajo AnchorMark: Un método de marcaje de agua basado en inversión, robusto y libre de entrenamiento que combina un ancla de fase multifrecuencia compacta con una inyección calibrada estadísticamente y una estrategia de registro jerárquica (de grueso a fino).
3. Validación Empírica: Experimentos extensos demuestran que AnchorMark mejora significativamente la precisión de los bits bajo ataques de rotación y combinados, manteniendo la calidad visual y la fidelidad semántica.

Resultados Experimentales

El método fue evaluado en los modelos Stable Diffusion (v1.5, v2.1, v3.5) y FLUX.1-dev.

• Robustez de Rotación: Bajo ataques de rotación que van desde $\pm 5^\circ$ hasta $\pm 60^\circ$, AnchorMark restauró una alta precisión de bits para los métodos base que de otro modo fallarían. Por ejemplo, cuando se aplicó a ShapeMark, AnchorMark logró una recuperación casi perfecta (Acc $\approx$ 1.00) en todos los ángulos probados, mientras que el método base ShapeMark cayó a niveles de adivinación aleatoria ($\approx$ 0.50) en ángulos mayores. Del mismo modo, Gaussian Shading vio su tasa de detección (TPR) recuperarse de casi cero a $\approx$ 0.99.
• Ataques Combinados: AnchorMark mantuvo un rendimiento estable (TPR > 0.99, Acc > 0.94) cuando la rotación se combinó con redimensionamiento, compresión JPEG, ruido Gaussiano y desenfoque de mediana a través de múltiples backbones de difusión.
• Calidad de Imagen: La introducción del ancla resultó en un impacto limitado en la calidad de la imagen, con cambios en FID y CLIP-Score comparables a los de los métodos base.
• Estudios de Ablación: El estudio confirmó que el diseño multifrecuencia (que combina la robustez de baja frecuencia y la discriminación de alta frecuencia) supera al de frecuencia única o a los anclas aleatorias, reduciendo el error de estimación de ángulo a menos de $0.5^\circ$.

Significado y Reivindicaciones

El artículo afirma que la sincronización en el espacio latente es un mecanismo efectivo para un marcaje de agua basado en inversión robusto bajo transformaciones geométricas. Al aprovechar la propiedad inherente de Sincronía de Rotación, AnchorMark proporciona una solución modular y libre de entrenamiento que puede aplicarse a los esquemas de marcaje de agua basados en inversión existentes sin modificar el modelo de difusión subyacente ni reentrenar el generador. El método aborda con éxito la brecha crítica de la recuperación de la carga útil de múltiples bits bajo rotación, permitiendo una procedencia de contenido y una protección de derechos de autor fiables en escenarios que involucran distorsiones geométricas.