SynthID-Image: Marca d'água em imagens em escala da 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
Resumo
Apresentamos o SynthID-Image, um sistema baseado em aprendizado profundo para marcação d'água invisível de imagens geradas por IA. Este artigo documenta os requisitos técnicos, modelos de ameaça e desafios práticos da implantação de tal sistema em escala global, abordando os principais requisitos de eficácia, fidelidade, robustez e segurança. O SynthID-Image foi utilizado para marcar mais de dez bilhões de imagens e quadros de vídeo nos serviços da Google, e seu serviço de verificação correspondente está disponível para testadores confiáveis. Para completude, apresentamos uma avaliação experimental de uma variante de modelo externo, o SynthID-O, disponível por meio de parcerias. Comparamos o SynthID-O com outros métodos de marcação d'água pós-processamento da literatura, demonstrando desempenho de ponta tanto em qualidade visual quanto em robustez a perturbações comuns em imagens. Embora este trabalho se concentre em mídia visual, as conclusões sobre implantação, restrições e modelagem de ameaças se generalizam para outras modalidades, incluindo áudio. Este artigo fornece uma documentação abrangente para a implantação em larga escala de sistemas de proveniência de mídia baseados em aprendizado 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.