扩散模型内生水印 (In-Generation Watermarking)
Noise-as-Watermark (NaW) 范式：将水印嵌入 DDIM 初始潜空间噪声，随去噪轨迹自然编织为生成图像纹理
Overview
内生水印(In-Generation Watermarking)区别于传统后处理(Post-hoc)水印。核心思想是利用 DDIM 的确定性与可逆性，通过调制初始高斯潜噪声的空间或频域结构来嵌入水印比特。去噪网络将初始噪声中的扰动自然编织为图像/视频的高维时空语义纹理，使水印与内容融为一体。
核心技术原理
噪声即水印 (Noise-as-Watermark, NaW)
- 嵌入：调制初始潜噪声 \(z_T\)（空间或频域），输入扩散模型生成内容
- 提取：VAE 编码器将图像映射回潜空间 → DDIM Inversion 重构初始噪声 → 解调算子解码水印
- 优势：抗编辑/重采样，理论上对生成画质无损伤
四类主流调制方案
| 方法 | 调制方式 | 抗性 | 画质影响 |
|---|---|---|---|
| Tree-Ring (→ tree-ring-watermarks) | 频域环形系数替换 | RST 不变 | 低频可能偏色 |
| VideoShield (→ videoshield) | 条件截断高斯采样 | 时空篡改定位 | 无偏标准高斯保持 |
| VideoMark (→ videomark) | PRC 纠错符号调制 | 丢帧/压缩 | 完全无畸变 |
| SKeDA (→ skeda) | 置换群 Shuffle-Key | 时域去同步 | 完全无畸变 |
密钥置乱机制
- 置换群置乱 (SKe)：对称群置换算子，消除帧间自相关泄露
- 滑动窗口偏移 (VideoMark)：超长母版序列 + 随机起始偏移 + 编辑距离对齐
- 对比传统置乱（Arnold, Josephus, DNA）：SKe/滑窗 无画质影响、抗时域去同步
视频压缩补偿
- 差分注意力 (DA)：相邻帧特征差分构建时域潜在差分图，衰减 P/B 帧量化噪声的注意力响应
- HSTR：级联时间/空间细化器，恢复剪辑重排 + 滤除运动漂移
- TMM：编辑距离比对，恢复滑窗对齐
多尺度方法
- WaTeRFlow：光流引导 TCL 损失，跨模态生成保持运动一致
- GenPTW：跨注意力融合 + 多尺度拉普拉斯高频敏感，抗复合攻击
CVPR 2026 新进方法
| 方法 | 核心理念 | 类型 |
|---|---|---|
| gaussian-shannon | 通信信道建模 + RS纠错码+多数投票 | 初始噪声调制（NaW） |
| grow-wm | 逐步频域梯度引导（DCT中频带） | 去噪过程引导 |
| maxmark | 符号位嵌入+可逆INN+自动RS调参（高容量） | 潜空间嵌入 |
| clustermark | KGW适配自回归生成器+VQ-VAE聚类 | 自回归生成水印 |
Related
- tree-ring-watermarks — Tree-Ring 频域环形水印
- videoshield — VideoShield 条件截断高斯采样 (ICLR 2025)
- videomark — VideoMark PRC 纠错符号调制
- skeda — SKeDA 置换群置乱 + 差分注意力
- dtr-ringet — DTR/RINGet 动态年轮视频水印
- genptw — GenPTW 潜空间内生水印
- img-wm-diffusion — 扩散模型水印综述
- gaussian-shannon — Gaussian Shannon 有噪信道建模
- grow-wm — GROW 逐步频域梯度引导
- maxmark — MaxMark 高容量符号位嵌入
- clustermark — ClusterMark 自回归视觉聚类水印
- tokentrace — TokenTrace 双重编码多概念归因（CVPR 2026）
- waterflow — WaTeRFlow FUSE+TCL I2V时序鲁棒水印（CVPR 2026）
- spdmark — SPDMark LoRA参数空间视频水印（CVPR 2026）
Sources
- diffision watermark.pdf — 2026-05-28