MaxMark: High-Capacity Diffusion-Native Watermarking via Robust and Invertible Latent Embedding
高容量扩散原生水印：符号位嵌入 + 可逆 INN 分布变换 + 自动调参 RS 纠错 — 满容量 16384bit 下 Bit Acc 95.4%（CVPR 2026）
Overview
MaxMark 聚焦高容量扩散原生生水印场景，提出符号位嵌入(Sign-bit Embedding)方案——利用扩散模型中最重要的信道（符号位）承载水印信息。核心创新包含三大模块：符号位嵌入信道、可逆 INN(Invertible Neural Network)分布变换将任意分布拉回高斯、以及自动调参 RS(Reed-Solomon)纠错码。在满容量 16384bit 下 Bit Accuracy 达 95.4%，相比最优基线提升 46%。同时具备跨模态迁移能力，视频与音频场景同样表现优异。
核心技术原理
符号位嵌入 (Sign-bit Embedding)
- 识别潜空间系数中符号位为最可靠的传输信道
- 利用符号的正负承载二进制水印信息
- 相比幅度调制，符号位对噪声扰动天然具有更强抗性
可逆 INN 分布变换
- 使用可逆神经网络(Invertible Neural Network)学习变换
- 将任意分布的水印信号拉回标准高斯分布
- 保证初始潜噪声的统计特性不被破坏，消除分布偏移
- 可逆性确保提取时能无损恢复原始水印
自动调参 RS 纠错码
- 根据当前信道状态自动调整 RS 码的编码参数（码率/冗余度）
- 在高容量场景下自适应分配纠错资源
- 满容量 16384bit 条件下保持 Bit Acc 95.4%
Key results
- 图像：满容量 16384bit，Bit Acc 95.4%（比基线 +46%）
- 视频：32k bit，Bit Acc 98.2%
- 音频：32k bit，Bit Acc 96.7%
- 跨模态迁移：同一方案适配图像/视频/音频
- 无画质损失（INN 拉回高斯维持统计一致）
Related
- diffusion-in-generation-wm — NaW 内生水印总览
- gaussian-shannon — 同为 CVPR 2026，RS 纠错思路有交集
- grow-wm — 同为 CVPR 2026，梯度引导范式
- videomark — VideoMark PRC 纠错符号调制
Sources
- CVPR 2026 — MaxMark: High-Capacity Diffusion-Native Watermarking via Robust and Invertible Latent Embedding