ADD für mehrbitige Bildwasserzeichen
ADD for Multi-Bit Image Watermarking
April 13, 2026
Autoren: An Luo, Jie Ding
cs.AI
Zusammenfassung
Da generative Modelle die schnelle Erstellung von hochwertigen Bildern ermöglichen, haben sich die gesellschaftlichen Bedenken hinsichtlich Fehlinformationen und Authentizität verstärkt. Ein vielversprechender Lösungsansatz ist die Multi-Bit-Bildwasserzeichen-Methode, die eine Multi-Bit-Nachricht in ein Bild einbettet, sodass ein Verifizierer später feststellen kann, ob das Bild von jemandem generiert wurde und durch Decodieren der eingebetteten Nachricht weiterhin die Quelle identifizieren kann. Bestehende Ansätze sind oft unzureichend in Bezug auf Kapazität, Widerstandsfähigkeit gegenüber gängigen Bildverzerrungen und theoretische Fundierung. Um diese Einschränkungen zu adressieren, schlagen wir ADD (Add, Dot, Decode) vor, eine Multi-Bit-Bildwasserzeichen-Methode mit zwei Stufen: Erlernen eines Wasserzeichens, das linear mit der Multi-Bit-Nachricht kombiniert und zum Bild hinzugefügt wird, sowie Decodierung durch Innenprodukte zwischen dem wasserzeichenmarkierten Bild und dem erlernten Wasserzeichen. Auf dem Standard-Benchmark MS-COCO demonstrieren wir, dass ADD für die anspruchsvolle Aufgabe der 48-Bit-Wasserzeichengebung eine Decodiergenauigkeit von 100 % erreicht, wobei die Leistung unter einer Vielzahl von Bildverzerrungen um höchstens 2 % abfällt – deutlich weniger als der durchschnittliche Rückgang von 14 % bei state-of-the-art Methoden. Zusätzlich erzielt ADD erhebliche Rechenvorteile, mit einer 2-fach schnelleren Einbettung und einer 7,4-fach schnelleren Decodierung als die schnellste bestehende Methode. Wir liefern außerdem eine theoretische Analyse, die erklärt, warum das erlernte Wasserzeichen und die entsprechende Decodierregel effektiv sind.
English
As generative models enable rapid creation of high-fidelity images, societal concerns about misinformation and authenticity have intensified. A promising remedy is multi-bit image watermarking, which embeds a multi-bit message into an image so that a verifier can later detect whether the image is generated by someone and further identify the source by decoding the embedded message. Existing approaches often fall short in capacity, resilience to common image distortions, and theoretical justification. To address these limitations, we propose ADD (Add, Dot, Decode), a multi-bit image watermarking method with two stages: learning a watermark to be linearly combined with the multi-bit message and added to the image, and decoding through inner products between the watermarked image and the learned watermark. On the standard MS-COCO benchmark, we demonstrate that for the challenging task of 48-bit watermarking, ADD achieves 100\% decoding accuracy, with performance dropping by at most 2\% under a wide range of image distortions, substantially smaller than the 14\% average drop of state-of-the-art methods. In addition, ADD achieves substantial computational gains, with 2-fold faster embedding and 7.4-fold faster decoding than the fastest existing method. We further provide a theoretical analysis explaining why the learned watermark and the corresponding decoding rule are effective.