ADD voor multi-bit beeldwatermerking

ADD for Multi-Bit Image Watermarking

April 13, 2026

Auteurs: An Luo, Jie Ding

cs.AI

Samenvatting

Naarmate generatieve modellen de snelle creatie van hoogwaardige afbeeldingen mogelijk maken, zijn de maatschappelijke zorgen over desinformatie en authenticiteit toegenomen. Een veelbelovende oplossing is multi-bit watermerken voor afbeeldingen, waarbij een multi-bit bericht in een afbeelding wordt ingebed, zodat een verificator later kan detecteren of de afbeelding door iemand is gegenereerd en bovendien de bron kan identificeren door het ingebedde bericht te decoderen. Bestaande methoden schieten vaak tekort op het gebied van capaciteit, robuustheid tegen veelvoorkomende beeldvervormingen en theoretische onderbouwing. Om deze beperkingen aan te pakken, stellen wij ADD (Add, Dot, Decode) voor, een multi-bit watermerkmethode voor afbeeldingen met twee fasen: het aanleren van een watermark dat lineair wordt gecombineerd met het multi-bit bericht en aan de afbeelding wordt toegevoegd, en decodering via inproducten tussen de afbeelding met watermark en het aangeleerde watermark. Op de standaard MS-COCO benchmark tonen wij aan dat ADD voor de uitdagende taak van 48-bit watermerken een decoderenauwkeurigheid van 100% bereikt, waarbij de prestaties onder een breed scala aan beeldvervormingen met maximaal 2% dalen, aanzienlijk minder dan de gemiddelde daling van 14% bij state-of-the-art methoden. Daarnaast behaalt ADD aanzienlijke computationele winst, met een 2 keer snellere invoeding en een 7,4 keer snellere decodering dan de snelste bestaande methode. Wij geven verder een theoretische analyse die verklaart waarom het aangeleerde watermark en de bijbehorende decodeerregel effectief zijn.

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.