루미나크(Luminark): 학습 없이 확률적으로 검증 가능한 워터마킹 기법 - 일반적인 비전 생성 모델을 위한 방법

Luminark: Training-free, Probabilistically-Certified Watermarking for General Vision Generative Models

본 논문에서는 일반적인 비전 생성 모델을 위한 학습이 필요 없는, 확률적으로 검증 가능한 워터마킹 기법인 extit{루미나크(Luminark)}를 소개합니다. 저희의 접근 방식은 패치 레벨의 휘도 통계 정보를 활용하는 새로운 워터마크 정의에 기반합니다. 구체적으로, 서비스 제공자는 특정 이진 패턴과 해당 패턴에 대응하는 패치 레벨 임계값을 미리 정의합니다. 주어진 이미지에서 워터마크를 검출하기 위해, 각 패치의 휘도가 해당 임계값을 초과하는지 평가하고, 그 결과로 생성되는 이진 패턴이 목표 패턴과 일치하는지 확인합니다. 간단한 통계 분석을 통해, 제안하는 방법의 오탐율을 효과적으로 제어할 수 있으며, 이를 통해 검증된 검출이 가능함을 보여줍니다. 다양한 방식으로 워터마크를 삽입할 수 있도록, 널리 사용되는 가이드 기술을 플러그 앤 플레이 메커니즘으로 활용하여 extit{워터마크 가이드(watermark guidance)}를 개발했습니다. 이러한 설계 덕분에 루미나크는 이미지 품질을 저하시키지 않고 최첨단 생성 모델 전반에 걸쳐 적용 가능합니다. 실험적으로, 확산 모델, 자기 회귀 모델, 그리고 하이브리드 모델을 포함한 9개의 모델에 대해 저희의 접근 방식을 평가했습니다. 모든 평가에서 루미나크는 높은 검출 정확도, 일반적인 이미지 변환에 대한 강력한 견고성, 그리고 우수한 시각적 품질을 지속적으로 보여주었습니다.

In this paper, we introduce \emph{Luminark}, a training-free and probabilistically-certified watermarking method for general vision generative models. Our approach is built upon a novel watermark definition that leverages patch-level luminance statistics. Specifically, the service provider predefines a binary pattern together with corresponding patch-level thresholds. To detect a watermark in a given image, we evaluate whether the luminance of each patch surpasses its threshold and then verify whether the resulting binary pattern aligns with the target one. A simple statistical analysis demonstrates that the false positive rate of the proposed method can be effectively controlled, thereby ensuring certified detection. To enable seamless watermark injection across different paradigms, we leverage the widely adopted guidance technique as a plug-and-play mechanism and develop the \emph{watermark guidance}. This design enables Luminark to achieve generality across state-of-the-art generative models without compromising image quality. Empirically, we evaluate our approach on nine models spanning diffusion, autoregressive, and hybrid frameworks. Across all evaluations, Luminark consistently demonstrates high detection accuracy, strong robustness against common image transformations, and good performance on visual quality.