THU-BPM/MarkDiffusion

What it solves

MarkDiffusion 은 잠재 확산 모델(LDM)로 생성된 미디어의 진위와 출처를 검증하는 문제를 해결합니다. AI 생성 이미지와 영상이 보편화됨에 따라, 보이지 않는 워터마크를 삽입·감지하는 표준화된 방법을 제공해 출처 추적과 오용 방지를 가능하게 합니다.

How it works

이 툴킷은 확산 모델의 생성 과정에 다양한 워터마크 알고리즘을 통합할 수 있는 통합 프레임워크를 제공합니다. 두 가지 주요 방법을 지원합니다:

• Pattern-based methods: 특정 패턴(예: Tree‑Ring, SFW)을 생성된 미디어에 삽입합니다.
• Key-based methods: 암호 키(예: GaussMarker, VideoMark)를 사용해 워터마크를 삽입합니다.

삽입 기능 외에도 워터마크가 어떻게 추가·추출되는지 시각화하는 스위트와, 크롭, 압축, 노이즈 등 다양한 "공격"에 대한 견고성 및 감지 가능성을 평가하는 모듈을 포함합니다.

Who it’s for

• AI Researchers: 생성 모델용 새로운 워터마크 알고리즘을 개발하는 연구자.
• Developers: AI 생성 미디어의 출처 추적을 구현하려는 개발자.
• Security Auditors: 워터마크 제거·변조에 대한 견고성을 테스트하는 보안 감사원.

Highlights

• Broad Algorithm Support: 이미지와 영상 모두에 적용 가능한 최신 11가지 워터마크 알고리즘을 구현.
• Robust Evaluation Suite: 33개의 도구로 감지율, 출력 품질(FID 및 CLIP 점수 등) 및 16가지 이미지·영상 공격에 대한 견고성을 측정.
• Automated Pipelines: 품질 및 감지 분석을 간소화하는 8개의 특화 파이프라인 제공.
• Visualization Tools: 다양한 워터마크 알고리즘의 내부 메커니즘을 직관적으로 이해할 수 있도록 돕는 맞춤형 시각화 도구 포함.