Resumo Técnico: AnchorMark

Declaração do Problema

A marca d'água baseada em inversão para modelos de difusão incorpora payloads diretamente no espaço latente inicial, permitindo que as marcas d'água sejam formadas durante a geração de imagens e recuperadas via inversão de difusão sem o retreinamento do gerador. Embora eficaz contra distorções não geométricas comuns, esses métodos sofrem um modo de falha fundamental sob ataques de rotação.

Esquemas multi-bit baseados em inversão existentes associam bits de payload a portadores indexados espacialmente. Quando uma imagem é rotacionada, a correspondência espacial entre o latente recuperado e as posições de bits esperadas é interrompida. Abordagens anteriores para este problema dividem-se em duas categorias:

1. Sincronizadores aprendidos: Utilizam redes auxiliares para estimar transformações, mas requerem treinamento adicional e podem depender de arquiteturas ou distribuições de ataque específicas.
2. Designs espectrais invariantes à rotação: Suprimem a sensibilidade de orientação para detectar a presença da marca d'água, mas falham em recuperar a correspondência ordenada necessária para o rastreamento de payload multi-bit.

Consequentemente, há uma falta de um mecanismo leve, modular e livre de treinamento para sincronizar marcas d'água baseadas em inversão sob transformações geométricas.

Metodologia: AnchorMark

Os autores propõem o AnchorMark, um framework de marca d'água baseado em inversão, robusto e livre de treinamento. O núcleo do método baseia-se em uma propriedade estrutural recém-identificada nos espaços latentes de difusão, denominada Sincronia de Rotação.

1. Sincronia de Rotação

O artigo estabelece que uma rotação no domínio da imagem induz a mesma rotação angular no latente inicial recuperado. Formalmente, para uma imagem $I$ rotacionada por um ângulo $\alpha$, o latente inicial recuperado $\hat{x}_T(\alpha)$ satisfaz aproximadamente:
$$\hat{x}_T(\alpha) \approx R_\alpha x_T$$
onde $R_\alpha$ é o operador de rotação e $x_T$ é o latente inicial original. O desvio desta relação ideal é limitado por resíduos decorrentes da codificação VAE, dinâmica de inversão de difusão e o ciclo geração-inversão. A validação empírica confirma que o pareamento do latente recuperado contra referências rotacionadas produz uma distância mínima próxima ao ângulo de rotação real.

2. Âncora de Fase Multi-frequência

Para explorar a Sincronia de Rotação para sincronização, o AnchorMark incorpora uma âncora de fase multi-frequência compacta na região central do latente inicial, espacialmente desacoplada da região do payload.

• Construção: A âncora consiste em pares de canais seno-cosseno que codificam frequências angulares ($k_j$). Este design converte a rotação espacial em uma resposta de fase analítica previsível ($k_j \alpha$).
• Injeção: A âncora é injetada usando injeção calibrada por estatísticas. O template é padronizado para corresponder à média e ao desvio padrão do patch do latente original e fundido via um parâmetro de mistura $\lambda$, seguido de recalibração para restaurar os momentos por canal. Isso minimiza o deslocamento de distribuição e preserva a qualidade da imagem.

3. Sincronização Hierárquica e Recuperação

O processo de extração emprega uma estratégia hierárquica de dois estágios:

1. Registro Global Guiado pela Âncora: O detector reconstrói a âncora de referência e realiza uma busca de grosso a fino sobre ângulos de rotação candidatos. Ele minimiza a perda de correspondência normalizada entre a âncora recuperada e a âncora de referência rotacionada para estimar o ângulo de rotação dominante.
2. Refinamento Local Guiado pelo Payload: Para abordar o desalinhamento residual causado por interpolação ou ruído de inversão, o sistema define um conjunto de candidatos locais em torno da estimativa inicial. Ele refina o ângulo maximizando a confiança de verificação do decodificador de marca d'água subjacente na região do payload. O payload final é extraído utilizando este ângulo refinado.

Principais Contribuições

1. Identificação da Sincronia de Rotação: Os autores formalizam a propriedade de que rotações no espaço da imagem induzem rotações angulares correspondentes no latente inicial recuperado, fornecendo uma base teórica para a sincronização no espaço latente.
2. Framework AnchorMark: Um método de marca d'água baseado em inversão, robusto e livre de treinamento, que combina uma âncora de fase multi-frequência compacta com injeção calibrada por estatísticas e uma estratégia de registro hierárquica (grosso a fino).
3. Validação Empírica: Experimentos extensos demonstram que o AnchorMark melhora significativamente a precisão de bits sob rotação e ataques combinados, mantendo a qualidade visual e a fidelidade semântica.

Resultados Experimentais

O método foi avaliado nos modelos Stable Diffusion (v1.5, v2.1, v3.5) e FLUX.1-dev.

• Robustez à Rotação: Sob ataques de rotação variando de $\pm 5^\circ$ a $\pm 60^\circ$, o AnchorMark restaurou alta precisão de bits para métodos de base que, de outra forma, falhariam. Por exemplo, quando aplicado ao ShapeMark, o AnchorMark alcançou recuperação quase perfeita (Acc $\approx$ 1.00) em todos os ângulos testados, enquanto o baseline ShapeMark caiu para níveis de tentativa aleatória ($\approx$ 0.50) em ângulos maiores. Da mesma forma, o Gaussian Shading viu sua taxa de detecção (TPR) recuperar-se de quase zero para $\approx$ 0.99.
• Ataques Combinados: O AnchorMark manteve o desempenho estável (TPR > 0.99, Acc > 0.94) quando a rotação foi combinada com redimensionamento, compressão JPEG, ruído Gaussiano e desfoque mediano através de múltiplos backbones de difusão.
• Qualidade da Imagem: A introdução da âncora resultou em impacto limitado na qualidade da imagem, com mudanças de FID e CLIP-Score permanecendo comparáveis aos métodos base.
• Estudos de Ablação: O estudo confirmou que o design multi-frequência (combinando robustez de baixa frequência e discriminação de alta frequência) supera a âncora de frequência única ou aleatória, reduzindo o erro de estimativa de ângulo para menos de $0.5^\circ$.

Significância e Alegações

O artigo afirma que a sincronização no espaço latente é um mecanismo eficaz para marca d'água baseada em inversão robusta sob transformações geométricas. Ao alavancar a propriedade inerente de Sincronia de Rotação, o AnchorMark fornece uma solução modular e livre de treinamento que pode ser aplicada a esquemas existentes de marca d'água baseados em inversão sem modificar o modelo de difusão subjacente ou retreinar o gerador. O método aborda com sucesso a lacuna crítica de recuperação de payload multi-bit sob rotação, permitindo proveniência de conteúdo confiável e proteção de direitos autorais em cenários envolvendo distorções geométricas.