Dual-Branch Adaptive Diffusion and Motion-Guided Temporal Alignment for Robust Invisible Video Watermarking
本文提出了一种双分支自适应扩散与运动引导时间对齐框架，通过将内容自适应局部扩散与坐标感知全局锚定相结合，有效解决了不可见视频水印中不可感知性与鲁棒性之间的权衡问题，从而实现针对局部裁剪及其他攻击的卓越性能。
原始论文采用 CC BY 4.0 许可（https://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
在数字媒体那浩瀚流动的河流中，视频已成为我们分享故事、新闻和记忆的主要方式。然而，这种分享的便利也带来了一个持久的问题：一旦视频脱离了创作者之手，想要证明其创作者是谁或其来源何处就变得极其困难。如果有人对片段进行编辑、裁剪掉一个角落，或为了社交媒体进行压缩，原作者的权利主张可能会随之消失。为了解决这个问题，科学家们长期以来一直尝试将秘密信息隐藏在视频中，这种做法被称为不可见水印。其目标是嵌入一个肉眼不可见的数字指纹，以便日后可以检索以验证所有权。然而，这项任务是一场微妙的平衡博弈。如果隐藏的信息太强，会使画面失真；如果太弱或仅放置在一个位置，简单的剪切或裁剪就会将其彻底抹除。挑战在于如何让水印足够强大，能够抵御这些攻击，同时又不破坏视觉体验。
来自杭州电子科技大学的一个研究团队与北京的一家科技公司提出了一种应对这一问题的新方法，该方法不再将视频视为静态图像，而是将其视为一个移动的、有生命的事件序列。他们没有试图将信息隐藏在单一的固定位置，也没有将其稀疏地分布在整个屏幕上，而是开发了一个由两种不同策略协同工作的系统。想象一下视频是一片景观；研究人员决定将部分信息隐藏在复杂的、纹理丰富的区域，因为在这些地方，人眼不太容易注意到细微的变化；同时，他们在整个时间轴上植入不可见的“路标”。这种双重策略使得系统即使在视频的大块内容被剪掉的情况下，也能恢复信息，而这种情况在历史上曾让其他方法失效。
其创新的核心是一个能够适应视频本身内容的框架。该系统的第一部分就像一个细心的向导，逐帧分析视频，寻找细节丰富的区域，例如树叶或衣服的织物。它将隐藏的信息轻轻地推入这些繁忙的区域，在这些区域里，人类的眼睛自然会被分散注意力，从而不易察觉到细微的变化。这确保了观众看到的视频看起来完全一样。系统的第二部分则采取了更宏观的视角，嵌入了一个基于坐标的地图，告诉计算机视频的每一部分在时间和空间上属于哪里。这个全局地图充当了一个安全网。如果有人裁剪视频，移除了存放信息的纹理区域，系统仍能利用剩余的坐标线索来重建丢失的信息片段。
为了处理视频移动和变化的事实，研究人员加入了第三层关注运动的智能。他们意识到，用于缩小文件以进行流媒体传输的视频压缩技术，往往难以追踪移动物体。通过使用一种追踪像素在帧与帧之间如何移动的技术，他们的系统学会了以一种能够抵御这些压缩手段的方式来隐藏信息。它专注于运动最活跃的区域，确保水印在从高质量文件到压缩流的旅程中得以幸存。此外，他们使用了一种专门的网络结构来过滤背景噪声，确保隐藏信息只被放置在最稳定且最不显眼的地方。
该团队在两个大型视频集上测试了他们的方法，其中一个包含人类动作，另一个包含电影场景。他们对带有水印的视频进行了包括随机裁剪、模糊、添加噪声和重度压缩在内的一系列严苛处理。结果显示，他们的系统保持了极高的视觉质量，带水印的视频看起来与原片几乎无异。更重要的是，在尝试对这些攻击后的视频进行信息提取时，系统在平均近 98% 的情况下都能成功恢复正确信息。这相比以往的方法有了显著提升，特别是在应对随机裁剪时——在以往，旧系统往往无法检索到信息。
研究人员发现，这种双分支方法成功解决了长期存在的“隐藏信息的效果”与“使其难以被破坏”之间的权衡问题。通过结合将信息隐藏在繁忙纹理中的局部策略，以及追踪视频结构的全局策略，他们创造出了一种既不可见又具韧性的水印。这项研究表明，在视频不断被编辑、分享和压缩的时代，这种方法可以成为保护版权的实用工具。虽然该系统目前是在短片段和特定类型的攻击下进行的测试，但结果为在不牺牲观众预期质量的前提下保护数字视频内容指明了一条充满希望的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。