💻 computer science

Signpost Watermarking: Joint Optimization for Visual Watermark Coexistence

Este artigo apresenta o "Signpost Watermarking", um método que otimiza conjuntamente marcas d'água visuais imperceptíveis para imagens e vídeos para permitir explicitamente a coexistência robusta com outras marcas d'água treinadas de forma independente, facilitando assim a sinalização de procedência em camadas para a autenticidade do conteúdo.

Autores originais: Shruti Agarwal, Vishal Asnani, John Collomosse

Publicado 2026-08-12

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Shruti Agarwal, Vishal Asnani, John Collomosse

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a internet como uma biblioteca gigante e movimentada, onde todos estão constantemente escrevendo novas histórias, desenhando figuras e fazendo filmes. Mas, ultimamente, um novo tipo de escritor chegou: a Inteligência Artificial. Esses escritores de IA podem criar artes e vídeos incríveis em segundos, mas está ficando difícil distinguir o que foi feito por um humano e o que foi feito por uma máquina. Para consertar isso, especialistas estão tentando esconder "segredos" minúsculos e invisíveis dentro de arquivos digitais. Pense nesses segredos como uma impressão digital microscópica ou um código secreto carimbado em uma pintura que você não consegue ver com seus olhos, mas que um scanner especial pode ler mais tarde. Isso é chamado de marca d'água digital.

O objetivo é provar quem é o dono de uma imagem ou se uma IA ajudou a criá-la. Mas aqui está a parte complicada: não existe apenas uma empresa criando essas marcas d'água. A Adobe, o Google, a Meta e muitas outras estão construindo seus próprios carimbadores secretos. Se uma imagem tiver um carimbo da Adobe e, depois, outra pessoa tentar adicionar um carimbo do Google, será que os dois carimbos vão colidir um com o outro? Será que eles vão estragar a imagem ou vão se cancelar para que nenhum dos dois possa ser lido? Até agora, não sabíamos se esses diferentes códigos poderiam coexistir pacificamente ou se precisávamos forçar todos a usar exatamente a mesma máquina de carimbar.

Este artigo, intitulado "Signpost Watermarking" (Marca d'água Sinalização), aborda exatamente esse problema. Os pesquisadores perguntaram: Podemos treinar uma marca d'água do tipo "sinalização" que saiba compartilhar espaço com outras marcas d'água sem causar uma bagunça? Eles descobriram que, embora diferentes marcas d'água possam acidentalmente coexistir (como duas pessoas tentando sentar no mesmo banco de praça sem se esbarrarem), isso geralmente é um acidente de sorte que deixa a imagem um pouco embaçada ou os códigos difíceis de ler.

Para resolver isso, a equipe criou um novo método de treinamento. Imagine um instrutor de dança ensinando um novo dançarino (a sinalização) a se mover em uma sala cheia de outros dançarinos (as marcas d'água existentes). Em vez de deixar o novo dançarino apenas adivinhar onde pisar, o instrutor congela os outros dançarinos no lugar e diz: "Mova seus pés para não tropeçar em ninguém e certifique-se de que eles ainda consigam ouvir sua própria música". Ao fazer isso, a nova sinalização aprende a esconder seu código secreto nos espaços vazios entre os outros códigos, como um esquilo escondendo uma noz nos vãos entre os galhos das árvores.

Os resultados são bastante promissores. Os pesquisadores testaram isso tanto em imagens estáticas quanto em vídeos em movimento. Eles descobriram que sua nova "sinalização" é incrivelmente boa em ser invisível, mantendo a qualidade da imagem muito alta (medida em uma pontuação de 52,4 dB, que é uma imagem muito limpa e nítida). Mais importante ainda, quando eles sobrepuseram essa sinalização sobre outras marcas d'água existentes, ela não as quebrou. Na verdade, ela ajudou essas marcas a sobreviverem melhor do que antes. Por exemplo, quando uma marca d'água complicada chamada "TrustMark" estava envolvida, o novo método melhorou a capacidade de leitura correta em uma margem enorme, saltando de uma precisão instável de 0,687 para uma forte 0,929.

O artigo sugere que esta "sinalização" poderia agir como um semáforo ou um diretório. Em vez de tentar decodificar cada código secreto possível no mundo, um scanner poderia primeiro procurar pela sinalização. Se a sinalização disser: "Ei, há uma marca d'água do Google aqui!" ou "Procure por um código da Adobe!", o scanner saberá exatamente qual ferramenta usar em seguida. Isso cria um ecossistema amigável onde diferentes empresas podem manter seus próprios métodos secretos, mas todos podem trabalhar juntos para provar que uma foto ou vídeo é real e quem é o dono. Os autores sugerem que este é um caminho prático, embora notem que trabalhos futuros precisarão verificar se esses sinais podem sobreviver a ataques ainda mais agressivos. Por enquanto, parece que finalmente temos uma maneira de deixar todas essas diferentes impressões digitais viverem juntas em harmonia.

Resumo Técnico: Signpost Watermarking: Otimização Conjunta para a Coexistência de Marcas d'Água Visuais

Definição do Problema
A proliferação de sistemas de marca d'água digital desenvolvidos de forma independente para imagens e vídeos — impulsionada pela necessidade de autenticidade de conteúdo, proveniência de IA e proteção de direitos de propriedade intelectual — criou um cenário fragmentado. Embora trabalhos recentes (por exemplo, Petrov et al. [23]) tenham demonstrado que marcas d'água treinadas independentemente podem coexistir dentro do mesmo ativo de mídia com interferência limitada, essa coexistência é atualmente uma propriedade emergente fortuita, em vez de um objetivo de otimização explícito. Consequentemente, a interferência entre marcas d'água coexistentes permanece incontrolada, potencialmente degradando a robustez da decodificação ou a qualidade visual. Além disso, há uma falta de mecanismos de interoperabilidade para descobrir eficientemente qual sistema de marca d'água proprietário específico está presente em um determinado ativo sem tentar a decodificação contra todas as tecnologias possíveis (o problema 1-para-N).

Metodologia
Os autores propõem um framework de "Signpost Watermarking" (Marca d'Água de Sinalização) projetado para otimizar explicitamente a coexistência. A inovação central é um objetivo de treinamento ciente do decodificador que trata a coexistência de marcas d'água como um problema de aprendizado multiobjetivo.

Arquitetura: O sistema emprega um codificador baseado em UNet e um decodificador ResNet-50. O codificador recebe uma imagem de cobertura (ou quadro de vídeo) e um segredo binário de 32 bits, produzindo um mapa residual adicionado à cobertura para criar o meio estego.
Treinamento Ciente do Decodificador: Durante o treinamento, o codificador do signpost é otimizado não apenas para sua própria robustez e qualidade perceptual, mas também para preservar o desempenho de decodificação de outros sistemas de marca d'água secundários "congelados".
- Processo: Uma coleção de decodificadores de marca d'água pré-treinados e congelados (representando vários sistemas de estado da arte) é carregada. O codificador do signpost gera uma imagem estego, que é então passada pelos encoders secundários congelados para aplicar as marcas d'água.
- Função de Perda: A perda total ( $L$ $L$ ) combina três termos:
  1. Qualidade da Imagem ( $L_{img}$ ): Uma combinação de L1, L2 ponderado por YUV, perda perceptual LPIPS e orientação JND (Just Noticeable Difference) para minimizar a distorção visível.
  2. Sobrevivência do Signpost ( $L_{BCE}$ ): Perda de entropia cruzada binária garantindo que o próprio signpost possa ser decodificado a partir da imagem estego aumentada.
  3. Termo de Coexistência ( $L_{coex}$ ): Um componente crítico onde o decodificador do signpost tenta recuperar seu payload de imagens que já foram marcadas por marcas d'água secundárias congeladas. Isso força o codificador do signpost a concentrar a energia de incorporação em componentes espaciais e de frequência que permanecem invariantes a sobreposições subsequentes de marcas d'água.
Currículo de Treinamento: O treinamento segue um currículo de três fases (inspirado no TrustMark [7]), introduzindo gradualmente diversidade de dataset, ruído de aumento (compressão, recorte, ruído, etc.) e perdas de qualidade de imagem para estabilizar a incorporação.

Principais Contribuições

Coexistência de Marca d'Água de Vídeo: O artigo fornece a primeira evidência empírica de que as propriedades de coexistência observadas em marcas d'água de imagem se estendem ao domínio temporal de vídeo. Demonstra que sistemas de marca d'água de vídeo desenvolvidos independentemente podem coexistir dentro do mesmo ativo de vídeo.
Otimização Explícita de Coexistência: Os autores mostram que a coexistência pode ser transformada de uma observação empírica em um objetivo de treinamento explícito. Ao otimizar um codificador de signpost para preservar a precisão de decodificação de sistemas coexistentes, eles alcançam uma interoperabilidade significativamente melhorada em comparação com os baselines treinados independentemente.
Mecanismo de Roteamento de Signpost: O trabalho propõe um caminho prático para uma marca d'água de "signpost" — um sinal leve que indica a presença de uma proveniência ou marca d'água de direitos específica. Isso evita a necessidade de padronizar um único algoritmo de marca d'água para todos os casos de uso ou de treinar um classificador que exija dados representativos para cada tecnologia possível. Em vez disso, um signpost pode simplesmente codificar um índice para um registro de métodos de marca d'água disponíveis.

Resultos
Os autores avaliaram sua abordagem contra até quatro sistemas de marca d'água de imagem de estado da arte (PixelSeal, InvisMark, TrustMark-P, MaskWM) e três sistemas de vídeo (VideoSeal, InvisMark, FlowMark, TrustMark-Q).

Qualidade Visual: O signpost proposto atinge a maior qualidade perceptual solo entre todos os métodos avaliados, alcançando um PSNR de 52.4 dB para imagens e vídeo, e um VMAF de 99.2 para vídeo. Os resíduos são esparsos e espacialmente localizados, contrastando com as texturas globais densas de outros métodos.
Desempenho de Coexistência:
- Condições Limpas: O signpost mantém alta precisão de bits (frequentemente >0.99) quando sobreposto com outras marcas d'água. Crucialmente, ele melhora significativamente a robustez de sistemas sensíveis como TrustMark-P/Q quando estes são a marca d'água primária (WM1) e o signpost é aplicado em segundo lugar.
- Condições Aumentadas: Sob ruído e transformação, o treinamento ciente do decodificador produz ganhos substanciais. Por exemplo, em imagens, a precisão de bits do TrustMark-P sob uma sobreposição ZOETROPE era de 0.687, enquanto sob o signpost proposto, subiu para 0.929 (+0.24). Melhorias semelhantes foram observadas para InvisMark e TrustMark-Q em vídeo.
- Ablação: O estudo confirma que o treinamento com múltiplos decodificadores congelados simultaneamente é superior ao treinamento com decodificadores únicos ou sem perda de coexistência. A análise "leave-one-out" mostra que cada decodificador contribui para o desempenho final, sendo a família TrustMark a mais sensível à interferência e, portanto, a que mais se beneficia da supervisão explícita.

Significância e Alegações
O artigo afirma que este trabalho estabelece uma base prática para a interoperabilidade de marcas d'água sem exigir um único padrão unificado de marca d'água. Ao tratar a coexistência como um objetivo de otimização, os autores permitem um sistema de "signpost" que pode rotear eficientemente para sistemas independentes de sinalização de proveniência ou direitos.

Os autores enfatizam que seus resultados apoiam a viabilidade de um payload de signpost padronizado (por exemplo, um inteiro indexando uma lista pública de métodos, semelhante à lista de algoritmos de vinculação suave do C2A). Esta abordagem permite que diversas tecnologias de marca d'água de imagem e vídeo participem de um ecossistema compartilhado para autenticidade de conteúdo e direitos de propriedade intelectual, abordando a necessidade urgente de interoperabilidade diante da IA generativa e dos requisitos regulatórios em evolução (por exemplo, o EU AI Act). O artigo conclui observando que trabalhos futuros devem abordar a robustez contra ataques adaptativos direcionados especificamente a sinais duplamente marcados.

Mais como este