SynthID-Image: インターネット規模での画像透かし技術

要旨

本論文では、AI生成画像に不可視の透かしを埋め込むための深層学習ベースのシステム「SynthID-Image」を紹介する。本稿では、インターネット規模でのシステム展開における技術的要件、脅威モデル、実践的課題を記述し、有効性、忠実度、堅牢性、セキュリティといった主要な要件に対処する。SynthID-Imageは、Googleのサービス全体で100億枚以上の画像およびビデオフレームに透かしを付与するために使用されており、信頼されたテスター向けに検証サービスが提供されている。完全性を期すため、パートナーシップを通じて利用可能な外部モデルバリアント「SynthID-O」の実験的評価も提示する。SynthID-Oを文献に基づく他の事後透かし手法と比較し、視覚品質および一般的な画像摂動に対する堅牢性において最先端の性能を実証する。本作業は視覚メディアを中心としているが、展開、制約、脅威モデリングに関する結論は音声を含む他のモダリティにも一般化可能である。本論文は、深層学習ベースのメディア出所追跡システムの大規模展開に関する包括的なドキュメントを提供する。

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.

SynthID-Image: インターネット規模での画像透かし技術

SynthID-Image: Image watermarking at internet scale

要旨

Support