SynthID-Imagen: Marcado de agua de imágenes a escala de internet
SynthID-Image: Image watermarking at internet scale
October 10, 2025
Autores: Sven Gowal, Rudy Bunel, Florian Stimberg, David Stutz, Guillermo Ortiz-Jimenez, Christina Kouridi, Mel Vecerik, Jamie Hayes, Sylvestre-Alvise Rebuffi, Paul Bernard, Chris Gamble, Miklós Z. Horváth, Fabian Kaczmarczyck, Alex Kaskasoli, Aleksandar Petrov, Ilia Shumailov, Meghana Thotakuri, Olivia Wiles, Jessica Yung, Zahra Ahmed, Victor Martin, Simon Rosen, Christopher Savčak, Armin Senoner, Nidhi Vyas, Pushmeet Kohli
cs.AI
Resumen
Presentamos SynthID-Image, un sistema basado en aprendizaje profundo para la marca de agua invisible en imágenes generadas por IA. Este artículo documenta los requisitos técnicos, los modelos de amenazas y los desafíos prácticos de implementar dicho sistema a escala de internet, abordando los requisitos clave de efectividad, fidelidad, robustez y seguridad. SynthID-Image ha sido utilizado para marcar más de diez mil millones de imágenes y fotogramas de video en los servicios de Google, y su correspondiente servicio de verificación está disponible para evaluadores de confianza. Para mayor exhaustividad, presentamos una evaluación experimental de una variante de modelo externo, SynthID-O, que está disponible a través de asociaciones. Comparamos SynthID-O con otros métodos de marca de agua post-hoc de la literatura, demostrando un rendimiento de vanguardia tanto en calidad visual como en robustez frente a perturbaciones comunes de imágenes. Si bien este trabajo se centra en medios visuales, las conclusiones sobre implementación, restricciones y modelado de amenazas se generalizan a otras modalidades, incluido el audio. Este artículo proporciona una documentación exhaustiva para la implementación a gran escala de sistemas de procedencia de medios basados en aprendizaje profundo.
English
We introduce SynthID-Image, a deep learning-based system for invisibly
watermarking AI-generated imagery. This paper documents the technical
desiderata, threat models, and practical challenges of deploying such a system
at internet scale, addressing key requirements of effectiveness, fidelity,
robustness, and security. SynthID-Image has been used to watermark over ten
billion images and video frames across Google's services and its corresponding
verification service is available to trusted testers. For completeness, we
present an experimental evaluation of an external model variant, SynthID-O,
which is available through partnerships. We benchmark SynthID-O against other
post-hoc watermarking methods from the literature, demonstrating
state-of-the-art performance in both visual quality and robustness to common
image perturbations. While this work centers on visual media, the conclusions
on deployment, constraints, and threat modeling generalize to other modalities,
including audio. This paper provides a comprehensive documentation for the
large-scale deployment of deep learning-based media provenance systems.