다중 비트 이미지 워터마킹을 위한 ADD 방법

ADD for Multi-Bit Image Watermarking

생성 모델이 고품질 이미지의 빠른 생성을 가능하게 하면서, 허위 정보 및 진위성에 대한 사회적 우려가 커지고 있습니다. 이러한 문제에 대한 유망한 해결책은 다중 비트 이미지 워터마킹으로, 이미지 내에 다중 비트 메시지를 삽입하여 검증자가 이미지가 누구에 의해 생성되었는지 확인하고, 삽입된 메시지를 해독하여 출처를 식별할 수 있도록 합니다. 기존 방법들은 용량, 일반적인 이미지 왜곡에 대한 강인성, 그리고 이론적 근거 측면에서 한계를 보입니다. 이러한 한계를 극복하기 위해, 우리는 ADD (Add, Dot, Decode)라는 다중 비트 이미지 워터마킹 방법을 제안합니다. ADD는 두 단계로 구성됩니다. 첫째, 다중 비트 메시지와 선형적으로 결합되어 이미지에 추가될 워터마크를 학습합니다. 둘째, 워터마크된 이미지와 학습된 워터마크 사이의 내적을 통해 디코딩을 수행합니다. 표준 MS-COCO 벤치마크에서, 어려운 48비트 워터마킹 작업에서 ADD는 100%의 디코딩 정확도를 달성했으며, 다양한 이미지 왜곡 조건에서도 성능이 최대 2% 감소하는 데 그쳐, 최첨단 방법들의 평균 14% 감소보다 훨씬 뛰어난 성능을 보였습니다. 또한, ADD는 상당한 계산 효율성을 제공하며, 기존 가장 빠른 방법보다 2배 빠른 임베딩 속도와 7.4배 빠른 디코딩 속도를 제공합니다. 게다가, 우리는 학습된 워터마크와 해당 디코딩 규칙이 효과적인 이유를 설명하는 이론적 분석을 제공합니다.

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.