💻 computer science

Signpost Watermarking: Joint Optimization for Visual Watermark Coexistence

Cet article présente le « Signpost Watermarking », une méthode qui optimise conjointement des tatouages numériques visuels imperceptibles pour les images et les vidéos afin de permettre explicitement une coexistence robuste avec d'autres tatouages entraînés indépendamment, facilitant ainsi une signalisation de provenance par couches pour l'authenticité du contenu.

Auteurs originaux : Shruti Agarwal, Vishal Asnani, John Collomosse

Publié 2026-08-12

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Shruti Agarwal, Vishal Asnani, John Collomosse

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'internet comme une immense bibliothèque bouillonnante où tout le monde écrit constamment de nouvelles histoires, dessine des images et réalise des films. Mais dernièrement, un nouveau genre d'écrivain est arrivé : l'Intelligence Artificielle. Ces écrivains IA peuvent créer des œuvres d'art et des vidéos incroyables en quelques secondes, mais il devient difficile de distinguer ce qui a été fait par un humain de ce qui a été fait par une machine. Pour corriger cela, des experts essaient de cacher de petits « secrets » invisibles à l'intérieur des fichiers numériques. Voyez ces secrets comme une empreinte digitale microscopique ou un code secret apposé sur une peinture que vous ne pouvez pas voir à l'œil nu, mais qu'un scanner spécial pourra lire plus tard. C'est ce qu'on appelle le tatouage numérique (ou watermarking).

L'objectif est de prouver qui possède une image ou si une IA a aidé à la créer. Mais voici la partie délicate : il n'y a pas qu'une seule entreprise qui fabrique ces tatouages. Adobe, Google, Meta et beaucoup d'autres construisent tous leurs propres graveurs de secrets. Si une image possède un tampon d'Adobe, et que quelqu'un d'autre essaie d'y ajouter un tampon de Google, est-ce que les deux tampons vont s'entrechoquer ? Vont-ils abîmer l'image, ou vont-ils s'annuler mutuellement pour que plus aucun ne puisse être lu ? Jusqu'à présent, nous ne savions pas si ces différents codes secrets pouvaient coexister pacifiquement, ou si nous devions forcer tout le monde à utiliser exactement la même machine de marquage.

Ce document, intitulé « Signpost Watermarking », s'attaque précisément à ce problème. Les chercheurs se sont demandé : peut-on entraîner un tatouage de type « panneau indicateur » (signpost) qui sache partager l'espace avec d'autres tatouages sans provoquer de désordre ? Ils ont découvert que si différents tatouages peuvent accidentellement coexister (comme deux personnes essayant de s'asseoir sur le même banc de parc sans se cogner), c'est souvent un accident chanceux qui laisse l'image un peu floue ou les codes difficiles à lire.

Pour corriger cela, l'équipe a créé une nouvelle méthode d'entraînement. Imaginez un instructeur de danse enseignant à un nouveau danseur (le panneau indicateur) comment se déplacer dans une pièce remplie d'autres danseurs (les tatouages existants). Au lieu de laisser le nouveau danseur deviner où poser ses pieds, l'instructeur fige les autres danseurs sur place et lui dit : « Bouge tes pieds pour ne faire trébucher personne, et assure-toi qu'ils puissent toujours entendre leur propre musique. » En faisant cela, le nouveau panneau indicateur apprend à cacher son code secret dans les espaces vides entre les autres codes, comme un écureuil cachant une noix dans les interstices entre les branches d'un arbre.

Les résultats sont très prometteurs. Les chercheurs ont testé cela sur des images fixes et des vidéos en mouvement. Ils ont constaté que leur nouveau « panneau indicateur » est incroyablement doué pour être invisible, maintenant une qualité d'image très élevée (mesurée à un score de 52,4 dB, ce qui est une image très nette et précise). Plus important encore, lorsqu'ils superposaient ce panneau indicateur sur d'autres tatouages existants, cela ne les brisait pas. En fait, cela aidait même ces derniers à mieux survivre. Par exemple, lorsqu'un tatouage complexe appelé « TrustMark » était impliqué, la nouvelle méthode a amélioré sa capacité à être lu correctement de manière spectaculaire, passant d'une précision hésitante de 0,687 à un solide 0,929.

Le document suggère que ce « panneau indicateur » pourrait agir comme un feu de signalisation ou un annuaire. Au lieu d'essayer de décoder chaque code secret possible au monde, un scanner pourrait d'abord chercher le panneau indicateur. Si le panneau indique : « Hé, il y a un tatouage Google ici ! » ou « Cherchez un code Adobe ! », le scanner saura exactement quel outil utiliser ensuite. Cela crée un écosystème amical où différentes entreprises peuvent conserver leurs propres méthodes secrètes, mais où elles peuvent toutes travailler ensemble pour prouver qu'une photo ou une vidéo est réelle et qui en est le propriétaire. Les auteurs suggèrent que c'est une voie pratique, bien qu'ils notent que les travaux futurs devront vérifier si ces signes peuvent survivre à des attaques encore plus agressives. Pour l'instant, il semble que nous ayons enfin un moyen de laisser toutes ces différentes empreintes numériques vivre ensemble en harmonie.

Résumé Technique : Signpost Watermarking : Optimisation Conjointe pour la Coexistence de Filigranes Visuels

Énoncé du Problème
La prolifération de systèmes de tatouage numérique (watermarking) développés indépendamment pour les images et les vidéos — impulsée par le besoin d'authenticité du contenu, de provenance de l'IA et de protection des droits de propriété intellectuelle — a créé un paysage fragmenté. Bien que des travaux récents (par exemple, Petrov et al. [23]) aient démontré que des tatouages numériques entraînés indépendamment peuvent coexister au sein d'un même actif média avec une interférence limitée, cette coexistence est actuellement une propriété émergente fortuite plutôt qu'un objectif d'optimisation explicite. Par conséquent, l'interférence entre les tatouages numériques coexistants reste incontrôlée, ce qui peut dégrader la robustesse du décodage ou la qualité visuelle. De plus, il existe un manque de mécanismes d'interopérabilité pour découvrir efficacement quel système de tatouage numérique propriétaire spécifique est présent dans un actif donné sans tenter de décoder contre toutes les technologies possibles (le problème du 1-vers-N).

Méthodologie
Les auteurs proposent un cadre de « Signpost Watermarking » conçu pour optimiser explicitement la coexistence. L'innovation centrale est un objectif d'entraînement conscient du décodeur (decoder-aware) qui traite la coexistence des tatouages comme un problème d'apprentissage multi-objectif.

Architecture : Le système utilise un encodeur basé sur un UNet et un décodeur ResNet-50. L'encodeur prend une image de couverture (ou une image vidéo) et un secret binaire de 32 bits, produisant une carte résiduelle ajoutée à la couverture pour créer le média stégo.
Entraînement Conscient du Décodeur : Pendant l'entraînement, l'encodeur signpost est optimisé non seulement pour sa propre robustesse et sa qualité perceptuelle, mais aussi pour préserver la performance de décodage d'autres systèmes de tatouage secondaire « gelés ».
- Processus : Une collection de décodeurs de tatouage pré-entraînés et gelés (représentant diverses technologies de pointe) est chargée. L'encodeur signpost génère une image stégo, qui est ensuite passée à travers ces encodeurs secondaires gelés pour appliquer les tatouages secondaires.
- Fonction de Perte : La perte totale ( $L$ $L$ ) combine trois termes :
  1. Qualité d'Image ( $L_{img}$ ) : Une combinaison de L1, L2 pondéré par YUV, de perte perceptuelle LPIPS et de guidage JND (Just Noticeable Difference) pour minimiser la distorsion visible.
  2. Survie du Signpost ( $L_{BCE}$ ) : Une perte d'entropie croisée binaire (Binary Cross-Entropy) garantissant que le signpost lui-même peut être décodé à partir de l'image stégo augmentée.
  3. Terme de Coexistence ( $L_{coex}$ ) : Un composant critique où le décodeur signpost tente de récupérer sa charge utile à partir d'images ayant déjà été tatouées par les systèmes secondaires gelés. Cela force l'encodeur signpost à concentrer l'énergie d'encodage dans les composantes spatiales et fréquentielles qui restent invariantes aux superpositions de tatouages ultérieures.
Curriculum d'Entraînement : L'entraînement suit un curriculum en trois phases (inspiré de TrustMark [7]), introduisant progressivement la diversité des jeux de données, le bruit d'augmentation (compression, recadrage, bruit, etc.) et les pertes de qualité d'image pour stabiliser l'encodage.

Contributions Clés

Coexistence de Tatouages Vidéo : Le document fournit la première preuve empirique que les propriétés de coexistence observées dans les tatouages d'images s'étendent au domaine temporel de la vidéo. Il démontre que des systèmes de tatouage vidéo développés indépendamment peuvent coexister au sein du même actif vidéo.
Optimisation Explicite de la Coexistence : Les auteurs montrent que la coexistence peut être transformée d'une observation empirique en un objectif d'entraînement explicite. En optimisant un encodeur signpost pour préserver la performance de décodage des systèmes coexistants, ils parviennent à une interopérabilité nettement améliorée par rapport aux bases de référence entraînées indépendamment.
Mécanisme de Routage par Signpost : Le travail propose un chemin pratique pour un tatouage « signpost » — un signal léger indiquant la présence d'une provenance ou d'un droit spécifique. Cela évite la nécessité de standardiser un algorithme de tatouage unique pour tous les cas d'utilisation ou d'entraîner un classificateur qui nécessite des données représentatives pour chaque technologie possible. Au lieu de cela, un signpost peut simplement encoder un index vers un registre des méthodes de tatouage disponibles.

Résultats
Les auteurs ont évalué leur approche par rapport à jusqu'à quatre systèmes de tatouage d'image de pointe (PixelSeal, InvisMark, TrustMark-P, MaskWM) et trois systèmes vidéo (VideoSeal, InvisMark, FlowMark, TrustMark-Q).

Qualité Visuelle : Le signpost proposé atteint la plus haute qualité perceptuelle solo parmi toutes les méthodes évaluées, atteignant un PSNR de 52,4 dB pour les images et la vidéo, et un VMAF de 99,2 pour la vidéo. Les résidus sont épars et localisés spatialement, contrastant avec les textures globales denses des autres méthodes.
Performance de Coexistence :
- Conditions Saines : Le signpost maintient une précision de bit élevée (souvent >0,99) lorsqu'il est superposé à d'autres tatouages. Crucialement, il améliore considérablement la robustesse de systèmes sensibles comme TrustMark-P/Q lorsqu'ils sont le tatouage primaire (WM1) et que le signpost est appliqué en second.
- Conditions Augmentées : Sous l'effet du bruit et des transformations, l'entraînement conscient du décodeur produit des gains substantiels. Par exemple, dans les images, la précision de bit de TrustMark-P sous une superposition ZOETROPE était de 0,687, alors que sous le signpost proposé, elle est passée à 0,929 (+0,24). Des améliorations similaires ont été observées pour InvisMark et TrustMark-Q en vidéo.
- Ablation : L'étude confirme que l'entraînement avec plusieurs décodeurs gelés simultanément est supérieur à l'entraînement avec des décodeurs uniques ou sans perte de coexistence. L'analyse « leave-one-out » montre que chaque décodeur contribue à la performance finale, la famille TrustMark étant la plus sensible aux interférences et bénéficiant ainsi le plus d'une supervision explicite.

Signification et Revendications
Le document affirme que ce travail établit une base pratique pour un tatouage numérique interopérable sans nécessiter un standard de tatouage unique et unifié. En traitant la coexistence comme un objectif d'optimisation, les auteurs permettent un système de « signpost » capable de router efficacement vers des systèmes de signalisation de provenance ou de droits déployés indépendamment.

Les auteurs soulignent que leurs résultats soutiennent la faisabilité d'une charge utile signpost standardisée (par exemple, un entier indexant une liste publique de méthodes, similaire à la « soft binding algorithm list » de C2PA). Cette approche permet à diverses technologies de tatouage d'images et de vidéos de participer à un écosystème partagé pour l'authenticité du contenu et les droits de propriété intellectuelle, répondant au besoin urgent d'interopérabilité face à l'IA générative et aux exigences réglementaires évolutives (par exemple, l'IA Act de l'UE). Le document conclut en notant que les travaux futurs devront aborder la robustesse face aux attaques adaptatives ciblant spécifiquement les signaux doublement tatoués.

Articles similaires