Tag · 10 篇
数字水印
写在关键处：面向 3D 高斯泼溅的策略引导水印
Write Where It Matters: Policy-Guided Watermarks for 3D Gaussian Splatting
把水印嵌入位置与强度建模为马尔可夫决策过程，用轻量策略网络按即时奖励逐锚点调节梯度尺度；做 3DGS 版权保护或需要在不破坏渲染质量的前提下向高斯参数注入可控扰动时，这套策略引导的逐锚点梯度缩放可直接复用。
何处、何物、为何：迈向可解释的 3D-GS 水印
Where, What, Why: Toward Explainable 3D-GS Watermarking
把水印载体选择与视觉补偿器解耦，并用通道级分组掩码限制梯度传播，这套「载体/补偿器分离 + 梯度门控」思路可直接迁移到 NeRF、高斯泼溅等隐式表示的内容溯源与版权保护，同时其逐高斯归因为隐式表示的可解释性分析提供了可复用工具。
TokenTrace：通过水印令牌恢复实现多概念归因
TokenTrace: Multi-Concept Attribution through Watermarked Token Recovery
提出一种在扩散模型生成过程中嵌入语义水印的主动防御框架，通过同时扰动文本提示词嵌入和初始潜变量噪声，并设计基于查询的TokenTrace模块，实现从单张生成图像中解耦并独立验证多个概念（如物体和风格）的归属，为生成内容的版权追溯和概念级归因提供了可复用的技术方案。
SPDMark：面向鲁棒视频水印的选择性参数位移
SPDMark: Selective Parameter Displacement for Robust Video Watermarking
将水印嵌入视频扩散模型的生成过程，通过LoRA实现参数位移，并利用密钥派生帧级消息与二分图匹配恢复帧序，为生成视频的溯源与防篡改提供可复用方案。
Robust3DGSW：面向量化感知3D高斯泼溅的鲁棒水印
Robust3DGSW: Toward Robust Watermarking for Quantization-Aware 3D Gaussian Splatting
针对量化后的3DGS模型，提出将水印嵌入3D高斯参数与2D渲染图像的中频带，并利用多尺度对抗扰动训练2D/3D解码器，为3DGS版权保护提供可复用方案。
RecoverMark：面向篡改人脸定位与恢复的鲁棒水印
RecoverMark: Robust Watermarking for Localization and Recovery of Manipulated Faces
把被保护的人脸内容本身当作水印嵌入背景，并配合模拟去水印攻击的失真层与渐进式两阶段训练，使水印在全局不可见攻击下仍可提取；做篡改定位/取证或需要版权与完整性保护的视觉工作可直接复用这一「内容即水印」的鲁棒嵌入范式。
Meta-FC：基于特征一致性的元学习用于鲁棒且可泛化的水印
Meta-FC: Meta-Learning with Feature Consistency for Robust and Generalizable Watermarking
把元学习加特征一致性损失当作一种可插拔的训练策略，用来替代单随机失真（SRD）噪声层，可直接迁移到其他需要抵抗多种失真的视觉任务（如复原、隐写、对抗训练）中，缓解批次间优化冲突。
Mark4D：面向4D高斯泼溅的时序一致水印技术
Mark4D: Temporally-Consistent Watermarking for 4D Gaussian Splatting
针对动态4D高斯泼溅模型，提出在运动轨迹上嵌入水印信号并利用视频-文本潜空间解码器恢复水印，为动态场景资产版权保护提供可复用技术。
连接隐私与溯源：可追溯的虚拟身份生成
Bridging Privacy and Provenance: Traceable Virtual Identity Generation
在扩散生成过程中嵌入潜空间水印以携带可验证的身份签名，并配合3D几何与表情条件保持姿态一致性，为视觉研究者提供了一种在生成人脸时兼顾身份可控性与溯源验证的可复用思路。
All in One：以鲁棒关键点-身份水印统一深度伪造检测、篡改定位与来源溯源
All in One: Unifying Deepfake Detection, Tampering Localization, and Source Tracing with a Robust Landmark-Identity Watermark
把 152 维人脸关键点与来源标识交织成结构化水印，并用回归/分类双头解码器从共享骨干特征中稳健恢复，为视觉取证提供了一种可同时完成检测、定位与溯源的主动式嵌入-提取范式。