💻 computer science

High-Capacity Robust Watermarking Technology for High-Resolution Images

本文提出了一种针对高分辨率图像的高容量、鲁棒性水印方法，该方法利用分块策略和可逆对称编解码器架构，在保持强视觉隐蔽性和对各种噪声攻击的抵抗力的同时，将 4 KB 的数据嵌入到 1024×1024 的图像中。

原作者： Shaowu Wu, Wei Lu, Qing Qian, Mingsen Deng

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Shaowu Wu, Wei Lu, Qing Qian, Mingsen Deng

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正漫步在一座巨大的数字图书馆中，其中的每一本书、每一幅画作、每一首歌曲都由一位超级聪明的机器人艺术家创作。这些机器人非常了不起，它们能秒速产出杰作，帮助人类工作得更快、成本更低。但问题在于：由于这些机器人制造作品的方式过于轻而易举，想要辨别一件艺术品的归属或来源变得越来越困难。这就像是有数百万人开始抄袭你最喜欢的歌曲，并将其当作自己的作品来销售一样。为了解决这个问题，科学家们一直在使用“数字水印”。请不要把它们想成是湿润的墨水，而是隐藏在图像像素中的隐形、微小的秘密信息。就像纸币上的真实水印一样，这些数字代码可以在不破坏图片的情况下证明所有权。

长期以来，这些秘密信息一直很小——比如像“版权所有 2024”这样的一小段文字或一个简短的 ID 编号。它们在处理小型、低分辨率图片（比如邮票大小）时表现得很好。但今天，我们面对的是巨大的、高清晰度的图像，其精细程度看起来足以印在广告牌上。试图将大量的各种信息（比如一整段文本或一段长长的 ID 代码）隐藏在一个巨大的、高质量的图像中是非常困难的。如果你试图在狭小的空间里塞入太多东西，图片会变得模糊，或者秘密信息会在图像被修改时丢失。本文旨在解决如何在不破坏图片或丢失信息的前提下，将大量秘密信息隐藏在这些巨大的高分辨率图像中的挑战。

研究人员——来自中山大学和贵州财经大学的一个团队——构建了一个全新的系统来解决这个谜题。他们的核心思想是停止尝试将整个秘密信息作为一个巨大的整体进行隐藏。相反，他们使用了一种“基于块”（block-wise）的策略。想象一下，你有一张巨大的城市高分辨率照片。与其试图一次性在整个城市范围内隐藏一个秘密信息，不如将城市切分成数千个可以处理的小型、可控的“社区”（即图像块）。然后，他们在每个社区中隐藏一小部分秘密信息。

这种方法就像是一支在大型建筑中工作的间谍小组。与其让一名间谍试图在主大厅里藏一个巨大的手提箱（这会非常显眼且难以移动），不如让许多名间谍，每人都在不同的房间里藏一个轻便的小包裹。这使得这项工作变得更加容易，即使在资源（例如强大的计算机）有限的情况下也是如此。通过将问题分解，他们的系统可以在单张 1024×1024 像素的图像中隐藏海量的数据——高达 4 KB（即 32,768 比特）。这比旧系统通常能处理的 30 或 100 比特有了巨大的飞跃。

该系统运作起来就像一个两步走的魔术表演。首先，一个“编码器”（Encoder）会对原始图像和秘密信息进行处理，将它们进行切割，并将信息编织进图像的每一个微小区块中。它被设计为具有可逆性和对称性，这意味着整个过程是完美平衡的。随后，即使图像遭受攻击——比如被 JPEG 压缩挤压、被覆盖上静态噪声、或者部分被裁剪掉——一个“解码器”（Decoder）仍然能够找到这些碎片。解码器会逆转这个过程，从每个区块中收集微小的信息片段，并将它们缝合在一起，从而揭示出完整的秘密。

为了确保这个魔术表演完美无缺，团队使用了一种特殊的规则集，称为“损失函数”（loss function），来训练他们的计算机大脑。你可以把它想象成一位严格的老师，根据两项标准给系统评分：信息的隐蔽性（视觉质量）以及信息的鲁棒性（抗攻击能力）。他们不仅仅是对整张图像进行评分，而是对每一个单独的“社区”（区块）进行逐一评分。这确保了图像的任何部分都不会被破坏，同时也保证了信息在各处都能安全存在。

结果令人印象深刻。在测试中，该系统成功地将那份庞大的 4 KB 信息隐藏进高分辨率图像中，同时保持图片与原图几乎完全一致。质量得分（PSNR）保持在 36 dB 以上，结构相似度（SSIM）超过 0.92，这意味着人眼几乎无法察觉差异。即使在模拟了重度 JPEG 压缩或添加随机噪声等严酷攻击的情况下，该系统在大多数情况下仍能以超过 98% 的准确率恢复秘密信息。

论文指出，虽然旧的方法在处理小型、低分辨率图像时表现出色，但在面对现代高分辨率图像巨大的数据需求时却显得力不从心。通过将图像分解为若干块，并将每一块视为一个独立的微型拼图，这种新方法证明了你既可以拥有高容量，也可以拥有高质量。这是向前迈出的重要一步，表明我们可以保护那些宏大的、高清晰度数字创作的版权，而不必牺牲它们的艺术美感，也不必担心丢失其中的秘密信息。

技术摘要：面向高分辨率图像的高容量鲁棒水印技术

问题陈述
现有的数字水印技术主要针对低分辨率图像（例如 128×128 至 512×512）设计，且受限于固定的低容量水印（通常为 30 至 256 比特）。随着 AIGC 可追溯性需求的增长——需要嵌入如 C2PA 清单等大量元数据——当前的方法难以处理高分辨率载体（如 1024×1024）和高容量负载（高达 4KB）。此外，针对高分辨率、高容量场景训练深度学习模型往往会导致网络参数激增，使得在资源受限的条件下进行优化变得十分困难。

方法论
所提出的方法通过分块策略和对称可逆网络架构来解决这些挑战：

分块划分（Block-wise Partitioning）： 为了管理高分辨率图像和高容量负载，该方法将图像划分为局部块，并将水印分割成相应的独立部分。将一张高分辨率图像划分为 $k$ 个块，并将高容量水印分割为 $k$ 个段。这通过将向高分辨率图像嵌入大规模水印的问题，转化为将低容量水印嵌入低分辨率块的多个子问题，从而显著降低了可学习参数的数量，使得即使在 GPU 资源有限的情况下也能进行训练。
编码器与解码器架构：
- 编码器（Encoder）： 采用具有三个卷积层的可逆对称架构。它处理每个图像块及其对应的水印段。水印张量在每个卷积层通过拼接（concatenation）和上采样与图像特征耦合。
- 解码器（Decoder）： 采用具有三个反卷积层的对称结构，从含噪图像中提取水印。它将水印特征从每个卷积层解耦并进行融合，以重建最终的水印。
- 噪声层（Noise Layer）： 在编码器和解码器之间插入了一个级联噪声层，用于顺序模拟各种攻击（例如，先进行 JPEG 压缩，后进行高斯噪声），从而在训练期间有效模拟组合噪声攻击。
损失函数： 优化目标结合了四个具有权重贡献的分量：
1. 全局图像损失 ( $L_{global}$ )： 原始图像与加水印图像之间的均方误差（MSE），以确保整体视觉质量。
2. 局部图像损失 ( $L_{local}$ )： 各个图像块的 MSE 之和，用以约束局部区域的视觉质量。
3. 全局水印损失 ( $L_{W}$ )： 原始水印与提取出的水印之间的二元交叉熵（BCE）。
4. 局部水印损失 ( $L_{merge}$ )： 各个水印段的 BCE 之和。
  这种双层（全局与局部）损失策略确保了不可感知性与鲁棒性之间的平衡。

核心贡献

面向高分辨率图像的高容量方法： 本文提出了一种能够将 4KB（32,768 比特）水印嵌入到 1024×1024 图像中的方法，实现了 0.0313 bpp 的嵌入率。这是通过将高容量任务分解为局部低容量任务来实现的。
资源高效型训练： 通过利用分块策略，该方法降低了网络复杂度，使得在无法进行全分辨率训练的低资源条件下，仍能进行正常的训练与学习。
增强的鲁棒性与不可感知性： 采用结合了全局和局部约束的加权损失函数，提升了图像的整体视觉质量以及针对各种噪声攻击的鲁棒性。
支持任意长度： 该方案支持嵌入和提取任意长度的水印，只要不超过 4KB 的限制。

实验结果
在三个数据集（Mirflickr、COCO 和 BOSSBase）上对缩放至 1024×1024 的图像进行了广泛实验。

视觉质量： 在嵌入强度 ( $\alpha$ ) 为 1.0 时，该方法在所有数据集上的 PSNR 均超过 36 dB，SSIM 超过 0.92。将嵌入强度降低至 0.6 时，PSNR 提升至 40 dB 以上，SSIM 提升至 0.96 以上，展示了容量与质量之间权衡的能力。
鲁棒性： 该方法对各种攻击表现出强大的鲁棒性：
- JPEG 压缩： 即使在质量因子 (QF) 为 50 时，准确率也超过了 98.51%。
- 高斯噪声： 在方差为 0.02 时，准确率超过了 99.66%。
- 其他攻击： 该方法针对 Identity、Dropout、Cropout 和 Gaussian filtering 攻击达到了近乎完美的准确率（>99.99%）。针对 Crop 和 Scaling 攻击，准确率保持在 96.75% 以上。
对比性能： 与现有方法（如 HiDDeN、StegaStamp、MBRS）相比，所提方法在保持竞争力的视觉质量和鲁棒性的同时，提供了最高的嵌入率（0.0313 bpp），特别是在其他方法无法直接应用或需要大幅调整的高分辨率场景下。

意义与主张
本文声称为从低分辨率、低容量场景向高分辨率、高容量场景的过渡提供了一种有效且可行的解决方案。它专门解决了将大规模元数据（如 C2PA 清单）嵌入到 AIGC 系统生成的高分辨率图像中的挑战。作者断言，其分块策略和对称可逆网络设计成功克服了先前技术中存在的参数激增和固定长度限制的问题，确保了加水印后的图像能够保持高视觉质量以及针对噪声攻击的强鲁棒性。该工作验证了在高分辨率背景下，无需牺牲网络在标准资源约束下的训练能力，即可实现高容量水印。

技术摘要：面向高分辨率图像的高容量鲁棒水印技术

类似论文