Rel-Zero: 패치 쌍 불변성을 활용한 AI 편집에 강한 강력한 제로 워터마킹

Rel-Zero: Harnessing Patch-Pair Invariance for Robust Zero-Watermarking Against AI Editing

최근의 확산 모델 기반 이미지 편집 기술은 디지털 시각 콘텐츠의 진정성에 심각한 위협을 가하고 있습니다. 기존의 임베딩 기반 워터마킹 방법은 강건성을 유지하기 위해 눈에 띄는 변화를 도입하는 경우가 많아 시각적 충실도를 저하시킵니다. 반면, 기존의 제로 워터마킹 방법은 일반적으로 이미지 전체의 특징에 의존하기 때문에 정교한 조작에 취약합니다. 본 연구에서는 중요한 사실을 발견했습니다. 즉, 개별 이미지 패치는 AI 기반 편집 과정에서 상당한 변화를 겪지만, 패치 쌍 간의 상대적인 거리는 비교적 불변성을 유지합니다. 이러한 특성을 활용하여, 본 연구에서는 원본 이미지에 어떠한 변경도 가하지 않고, 편집에 불변하는 패치 관계로부터 고유한 제로 워터마크를 추출하는 새로운 프레임워크인 Relational Zero-Watermarking (Rel-Zero)를 제안합니다. Rel-Zero는 절대적인 외관이 아닌, 내재적인 구조적 일관성을 기반으로 워터마크를 생성하므로, 비침습적이면서도 강력한 콘텐츠 인증 메커니즘을 제공합니다. 광범위한 실험 결과, Rel-Zero는 기존의 제로 워터마킹 방법에 비해 다양한 편집 모델 및 조작에 대해 현저히 향상된 강건성을 달성하는 것을 보여줍니다.

Recent advancements in diffusion-based image editing pose a significant threat to the authenticity of digital visual content. Traditional embedding-based watermarking methods often introduce perceptible perturbations to maintain robustness, inevitably compromising visual fidelity. Meanwhile, existing zero-watermarking approaches, typically relying on global image features, struggle to withstand sophisticated manipulations. In this work, we uncover a key observation: while individual image patches undergo substantial alterations during AI-based editing, the relational distance between patch pairs remains relatively invariant. Leveraging this property, we propose Relational Zero-Watermarking (Rel-Zero), a novel framework that requires no modification to the original image but derives a unique zero-watermark from these editing-invariant patch relations. By grounding the watermark in intrinsic structural consistency rather than absolute appearance, Rel-Zero provides a non-invasive yet resilient mechanism for content authentication. Extensive experiments demonstrate that Rel-Zero achieves substantially improved robustness across diverse editing models and manipulations compared to prior zero-watermarking approaches.