MaskMark團隊 投稿
量子位 | 公眾號 QbitAI

給AI生成的作品打水印，讓AIGC圖像可溯源，已經成為行業共識。

問題是，傳統水印方法通常把圖像當成一個整體處理，全局嵌入、水印提取一鍋端，存在不少“短板”：

比如，圖像局部區域被篡改，就可能導致全局提取失敗，也無法定位水印所在具體區域。

又比如，無法只保護某個區域，如人臉、LOGO等。

針對這個問題，現在，來自南洋理工大學和新加坡A*STAR前沿人工智能研究中心等機構的研究人員，提出了一種全新的局部魯棒圖像水印方法——MaskMark

該方法不僅在多個任務中全面超越Meta出品的SOTA模型WAM，而且訓練成本只有它的1/15。

具體而言，MaskMark支持：

• 多水印嵌入
• 可精準定位篡改區域
• 靈活提取局部水印
• 自適應支持32/64/128比特

核心思路：讓模型“看得見”水印在哪里

研究人員引入了一種掩碼機制，訓練時告訴模型“水印藏在這里”，教它學會精準地嵌入和提取。

他們給MaskMark設計了兩個版本：

MaskMark-D（解碼掩碼）

• 水印全圖嵌入，但能定位水印位置，支持局部提取。
• 即使部分圖像被篡改，也能成功提取水印。
• 適合用于整體圖像保護、版權聲明和內容驗證。

MaskMark-ED（編碼+解碼掩碼）

• 水印只嵌入圖像的特定區域（比如人臉或LOGO）。
• 對小范圍攻擊更魯棒，提取效果更好。
• 適合局部敏感內容保護、隱私感知場景等。

其中核心技術流程，是訓練和推理的雙重優化

MaskMark 的端到端訓練流程主要包括四個階段：

1. 掩碼生成（Mask Generation）：
2. 從四種預定義類型（全掩碼、矩形掩碼、不規則掩碼、分割掩碼）中隨機選擇或生成一個掩碼M。
3. 水印嵌入（Watermark Embedding）：
4. 編碼器將水印比特嵌入原始圖像（對于 MaskMark-ED可選擇性地嵌入掩碼M來指導嵌入位置），生成水印圖像。此過程利用輕量級CNN處理水印比特，并結合U-Net結構及JND模塊優化視覺效果。
5. 水印掩碼操作（Watermark Masking）：
6. 使用掩碼M融合和，生成，即僅在掩碼區域保留水印。隨后對施加隨機失真得到，并再次用M裁剪出僅含水印信號的區域。
7. 水印提取（Watermark Extraction）：
8. 解碼器從中預測掩碼，并從中提取水印比特。解碼器包含專門用于掩碼預測的 U2-Net 和用于水印提取的U-Net及CNN模塊。

MaskMark推理時，解碼器首先利用定位模塊識別含水印區域，將非水印區域置零以減少干擾，然后從保留區域恢復水印，這對于小區域水印提取尤為重要。

在多項不同的任務上均表現出SOTA的性能

研究人員在多項不同任務上驗證了MaskMark的性能。

首先，MaskMark能實現高提取精度

在全局水印任務中，即使在高視覺保真度（PSNR > 39.5, SSIM > 0.98）下，MaskMark-D和MaskMark-ED仍能保持近乎100%的比特準確率，尤其在各類值度量和幾何失真攻擊下表現優異，顯著優于現有基線模型。

在局部水印任務中，實驗表明，當水印信號分布在圖像的不同大小區域時，MaskMark仍能保持近乎100%的提取準確率，顯著優于其他全局方法，并超過當前最先進的局部水印模型WAM。尤其在小面積嵌入場景中，MaskMark-ED展現出更加出色的表現。

其次，MaskMark能實現精準水印定位

在不同水印區域比例和失真條件下，其定位性能（以IoU衡量）均優于EditGuard和WAM等方法。MaskMark-ED在小區域定位上更具優勢。

MaskMark還具備多水印嵌入能力

盡管并非為此專門訓練，MaskMark-ED在單個圖像中嵌入多達5個不同水印時，依然保持強大的提取和定位性能，優于WAM。

高效性和擴展性方面，訓練效率上，MaskMark僅需在單個A6000 GPU上訓練約20小時，計算效率（TFLOPs衡量）比WAM高出15倍。

消息長度方面，MaskMark可輕松擴展至不同比特長度（如32、64、128位），并保持較高性能，而WAM則受限于32位。

另外，MaskMark還支持快速微調*

通過簡單調整失真層或進行少量微調（如針對VAE自適應攻擊，僅需20k訓練步數），MaskMark即可適應不同魯棒性需求和新興威脅。

論文鏈接：
https://arxiv.org/abs/2504.12739
代碼鏈接：
https://github.com/hurunyi/maskmark