THU-BPM/MarkDiffusion

[JMLR] MarkDiffusion: An Open-Source Toolkit for Generative Watermarking of Latent Diffusion Models

What it solves

MarkDiffusion 解决了验证潜在扩散模型（LDM）生成媒体的真实性和来源的挑战。随着 AI 生成的图像和视频变得越来越常见，它提供了一种标准化的方式来嵌入和检测不可见水印，以追踪来源并防止滥用。

How it works

该工具包提供统一的框架，将各种水印算法集成到扩散模型的生成过程。它支持两大类方法：

  • Pattern-based methods：将特定模式嵌入生成的媒体（例如 Tree-Ring、SFW）。
  • Key-based methods：使用加密密钥嵌入水印（例如 GaussMarker、VideoMark）。

除了嵌入功能外，还包括可视化套件，展示水印的添加和提取过程，并提供评估模块，测试水印在裁剪、压缩或噪声等各种“攻击”下的鲁棒性和可检测性。

Who it’s for

  • AI Researchers：开发生成模型水印算法的研究人员。
  • Developers：需要为 AI 生成的媒体实现来源追踪的开发者。
  • Security Auditors：测试生成水印对抗移除或修改的鲁棒性的安全审计员。

Highlights

  • Broad Algorithm Support：实现了 11 种最先进的图像和视频水印算法。
  • Robust Evaluation Suite：包含 33 个工具，用于衡量检测率、输出质量（使用 FID 与 CLIP 分数等指标）以及对 16 种不同图像和视频攻击的鲁棒性。
  • Automated Pipelines：提供 8 条专门的流水线，简化质量和检测分析。
  • Visualization Tools：自定义工具，帮助用户直观了解不同水印算法的内部机制。