Gaussian Shannon: High-Precision Diffusion Model Watermarking Based on Communication

通信理论视角：有噪信道建模 + RS 纠错码级联 — 无需微调或画质损失（CVPR 2026 Findings / arXiv:2603.26167）

Overview

Gaussian Shannon 将扩散模型水印过程建模为通信系统中的有噪信道问题，首次系统区分并建模两类信道干扰——局部比特翻转(Local Bit Flip)与全局随机失真(Global Random Distortion)。采用级联 RS(Reed-Solomon)纠错码 + 多数投票(Majority Voting)策略，在初始高斯噪声中直接嵌入水印，无需任何模型微调或图像后处理，实现零画质损失的高精度水印。

核心技术原理

通信信道建模 (Communication Channel Modeling)

将扩散过程视为一个有噪信道，识别两种干扰模式：

1. 局部比特翻转 (Local Bit Flip)：嵌入比特在生成过程中因局部噪声干扰而发生翻转
2. 全局随机失真 (Global Random Distortion)：生成过程累积的全局随机位移和形变

嵌入方案：初始噪声调制

• 直接在初始高斯噪声 \(z_T\) 中嵌入水印信号
• 不对扩散模型做任何微调
• 提取时通过 DDIM Inversion 重构初始噪声解码

纠错防御：RS 纠错码 + 多数投票

• RS 纠错码：级联 RS 码，兼具随机错误和突发错误纠正能力
• 多数投票：对嵌入的重复片段取多数表决，进一步抑制比特翻转
• 两级防御分别针对局部翻转（RS码）和全局失真（投票）

Key results

• 无画质损失（无需微调，嵌入仅修改初始噪声，不干预生成路径）
• 高精度水印提取（通过通信模型理论指导优化编码参数）
• 抗常见图像处理攻击

Related

• diffusion-in-generation-wm — NaW 内生水印总览
• tree-ring-watermarks — 频域环形调制，同为 NaW 范式
• distrimark — 模型分发安全 LDM 水印

Sources

• arXiv:2603.26167 — CVPR 2026 Findings，2026-03