当前路径:/wiki/page/raven
返回首页索引

RAVEN: Erasing Watermarks via Novel View Synthesis

把去水印重表述为新视角合成的新型攻击方法(CVPR 2026)

Overview

RAVEN 提出全新的去水印范式——不逐像素擦除水印,而是通过新视角合成(Novel View Synthesis)隐式绕过水印。核心洞察:3DGS 水印本质上是嵌入在渲染管线中的信号,从另一个视角重新渲染场景即可"天然"规避该特定视角上的水印分布。RAVEN 在零样本、模型冻结的条件下实现高效去水印。

Key facts / claims

核心创新:
- 部分扩散反演(Partial Diffusion Inversion):将含水印的渲染图像部分反演到扩散模型隐空间,去除视角特定高频噪声(含水印信号)
- 隐空间视角调制(Latent View Modulation):在隐空间中对视角参数进行调制,隐式改变渲染视角而不反推到像素空间
- 视角引导对应注意力(View-Guided Correspondence Attention):利用自注意力机制建立跨视角像素对应关系,在隐空间中完成视角迁移
- 色彩对比迁移(Color Contrast Transfer):将目标视角的色彩统计分布迁移到源视角,消除新视角合成带来的色彩偏移

实验结果:
- TPR@1%FPR avg: 0.026(相比现有攻击降低 60%+)
- FID: 40.18(新视角合成质量)
- 零样本、冻结模型——无需访问水印模型或重新训练

劣势与漏洞

  • 新视角合成存在质量上限,复杂几何场景下的新视角可能出现畸变
  • 色彩对比迁移对纹理丰富场景的适应性有限
  • 强水印(如多视角一致性约束高的方案)可能的残留痕迹仍可通过联合多视角分析检出

Sources

  • papernotes.org — RAVEN 论文笔记
  • CVPR 2026 OpenAccess