W-Bench|水印技术数据集|图像编辑数据集
Robust Watermarking Using Generative Priors Against Image Editing: From Benchmarking to Advances
数据集概述
- 标题: Robust Watermarking Using Generative Priors Against Image Editing: From Benchmarking to Advances
- 作者: Shilin Lu, Zihan Zhou, Jiayou Lu, Yuanzhi Zhu, Adams Wai-Kin Kong
- 摘要: 当前的图像水印方法在面对大规模文本到图像模型启用的先进图像编辑技术时显得脆弱。这些模型在编辑过程中可能会扭曲嵌入的水印，对版权保护构成重大挑战。本文介绍了W-Bench，这是第一个全面评估水印方法对各种图像编辑技术（包括图像再生、全局编辑、局部编辑和图像到视频生成）的鲁棒性的基准。通过对十一种代表性水印方法在常见编辑技术下的广泛评估，我们发现大多数方法在编辑后无法检测到水印。为了解决这一局限性，我们提出了VINE，一种显著增强对各种图像编辑技术鲁棒性的水印方法，同时保持高图像质量。我们的方法涉及两个关键创新：（1）我们分析了图像编辑的频率特性，并发现模糊失真具有相似的频率特性，这使我们能够在训练期间使用它们作为代理攻击来增强水印鲁棒性；（2）我们利用大规模预训练的扩散模型SDXL-Turbo，将其适应于水印任务，以实现更不可察觉和鲁棒的水印嵌入。实验结果表明，我们的方法在各种图像编辑技术下实现了出色的水印性能，在图像质量和鲁棒性方面均优于现有方法。
内容
- 环境设置:
- 创建Conda环境
- 下载VINE检查点
- 推理:
- 水印编码
- 图像编辑
- 水印解码
- 质量指标计算
- 演示
- W-Bench: 即将推出
- 引用: 如果发现该仓库有用，请考虑引用
环境设置
创建Conda环境
git clone https://github.com/Shilin-LU/VINE.git conda env create -f environment.yaml conda activate vine cd diffusers pip install -e .
下载VINE检查点
模型VINE-B和VINE-R已发布，可在此处下载，并放置在./ckpt文件夹中。
推理
水印编码
使用以下命令将消息编码到图像中：
python src/watermark_encoding.py --ckpt_path ./ckpt/VINE-R
--input_path ./example/input/2.png
--output_dir ./example/watermarked_img
--message Hello World!
图像编辑
提供UltraEdit和图像反演进行图像编辑，更多选项即将添加。使用以下命令编辑图像：
python src/image_editing.py --model ultraedit
--input_path ./example/watermarked_img/2_wm.png
--output_dir ./example/edited_watermarked_img
水印解码
使用以下命令从已编辑的水印图像中解码消息：
python src/watermark_decoding.py --ckpt_path ./ckpt/VINE-R
--input_path ./example/edited_watermarked_img/2_wm_edit.png
--groundtruth_message Hello World!
质量指标计算
使用以下命令计算单张图像的质量指标（PSNR、SSIM和LPIPS）：
python src/quality_metrics.py --input_path ./example/input/2.png --wmed_input_path ./example/watermarked_img/2_wm.png
演示
提供一个完整的演示，包括水印编码、图像编辑、水印解码和质量指标计算的过程，请参考./src/demo.ipynb获取详细说明。
W-Bench
即将推出
引用
如果发现该仓库有用，请考虑引用。