ADD per la Filigrana Multibit su Immagini

ADD for Multi-Bit Image Watermarking

April 13, 2026

Autori: An Luo, Jie Ding

cs.AI

Abstract

Man mano che i modelli generativi consentono la creazione rapida di immagini ad alta fedeltà, le preoccupazioni sociali riguardanti la disinformazione e l'autenticità si sono intensificate. Un rimedio promettente è la filigrana digitale multi-bit per immagini, che incorpora un messaggio multi-bit in un'immagine in modo che un verificatore possa successivamente rilevare se l'immagine è stata generata da qualcuno e identificare ulteriormente la fonte decodificando il messaggio incorporato. Gli approcci esistenti spesso risultano carenti in termini di capacità, resilienza alle distorsioni immagine comuni e giustificazione teorica. Per affrontare queste limitazioni, proponiamo ADD (Add, Dot, Decode), un metodo di filigrana digitale multi-bit per immagini con due fasi: l'apprendimento di una filigrana da combinare linearmente con il messaggio multi-bit e aggiunta all'immagine, e la decodifica attraverso prodotti interni tra l'immagine filigranata e la filigrana appresa. Sul benchmark standard MS-COCO, dimostriamo che per il compito impegnativo della filigrana a 48 bit, ADD raggiunge un'accuratezza di decodifica del 100%, con una performance che cala al massimo del 2% sotto un'ampia gamma di distorsioni immagine, sostanzialmente inferiore al calo medio del 14% dei metodi allo stato dell'arte. Inoltre, ADD raggiunge sostanziali vantaggi computazionali, con un'incorporazione 2 volte più veloce e una decodifica 7,4 volte più veloce rispetto al metodo esistente più rapido. Forniamo inoltre un'analisi teorica che spiega perché la filigrana appresa e la corrispondente regola di decodifica sono efficaci.

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.