TokenTrace: Multi-Concept Attribution

双重条件编码（文本 token 嵌入 + 初始噪声）+ 查询式检索多概念归因 (CVPR 2026)

Overview

TokenTrace 解决扩散模型生成图像的多概念归因（Multi-Concept Attribution）问题——当一张图像由多个概念（如不同艺术风格、不同实体）组合生成时，需要识别每个概念的来源。通过双重条件编码（同时编码文本 token 嵌入和初始噪声）和查询式检索（Query-based Retrieval）实现 token 级细粒度溯源。

Key facts / claims

双重条件编码：
- 文本 Token 嵌入：将每个概念对应的文本 token 嵌入编码为归因水印的基础向量
- 初始噪声调制：在 DDIM 初始潜噪声中调制归因签名，与图像生成轨迹耦合
- 双重编码确保归因水印既携带语义标签又物理嵌入图像中

查询式检索：
- 从待查图像提取归因特征 → 与概念数据库进行向量检索
- 支持多概念同时检索，输出每个概念的贡献比例

多概念归因性能：
- 单概念（Single-Concept）：
- Bit Acc 98.33%，Attribution Acc 91.67%
- 在多概念混合生成场景下实现 token 级粒度归因
- 区分"主概念"和"辅助概念"对最终生成的影响权重

技术贡献

1. 双重条件编码范式：文本语义 + 噪声物理的融合水印
2. 多概念归因框架：首次在生成图像中实现细粒度多来源识别
3. 查询式检索架构：高效的概念-图像匹配方案

应用场景

• 生成式 AI 内容的版权归属验证
• 多概念融合图像的贡献追溯（如 AI 艺术创作）
• 训练数据溯源与合理使用合规

Related

• spdmark — SPDMark 参数空间视频水印
• diffusion-in-generation-wm — 内生水印总览
• tree-ring-watermarks — Tree-Ring 频域水印
• 3d-watermarking-overview — 数字水印技术总览

Sources

• CVPR 2026