生成式图像水印研究综述
生成式图像水印研究综述
- 一、引言
- 二、生成式图像水印研究背景
- 三、生成式图像水印算法研究进展
- 3.1 基于流模型的方案
- 3.2 基于生成对抗网络的方案
- 3.3 基于扩散模型的方案
- 3.3.1 修改图像数据
- 3.3.2 调整生成模型
- 3.3.3 修改隐变量空间
- 四、算法的性能与评价指标
- 五、常用数据集
- 六、本章小结
- 七、参考文献
一、引言
生成式图像水印是一种用于标识和保护图像生成任务中相关图像内容版权的技术,其概念来源于数字水印在图像生成任务中的新应用。不同于传统水印和基于深度学习的图像水印,一方面,生成式图像水印可以将水印信息嵌入原创数据集中,防止图像在未授权的情况下被用于训练生成模型;另一方面,也可以将水印嵌入与图像生成过程相结合,使水印融合到生成的图像中,从而保护生成图像的版权。
图像生成技术的蓬勃发展,催生了数字水印应用的新场景。在实际应用中,生成式图像水印面临几大挑战:一是含水印图像应保持良好的不可见性;二是含水印图像在不同的攻击场景下要保持较强的鲁棒性;三是水印嵌入过程需达到较高的时间效率。尽管传统的图像水印方案在计算复杂度和鲁棒性等方面表现出色,基于深度学习的图像水印技术在水印与图像内容的融合度方面进一步增强,然而,这些水印算法在应对复杂多样的生成图像时,仍存在一定的局限性。为此,生成式图像水印技术应运而生,并受到国内外学者的热切关注。
二、生成式图像水印研究背景
AIGC(Artificial Intelligence Generated Content)时