THU-BPM/MarkDiffusion

解决的问题

MarkDiffusion 解决了由潜在扩散模型（LDM）生成的媒体在真实性与来源验证方面的迫切需求。它提供了一种标准化的方法，用于在 AI 生成的图像和视频中嵌入、检测和评估水印，以防止滥用并追踪来源。

工作原理

该工具包提供了一个统一的 Python 框架，将多种水印算法整合到单一接口中。支持两大类方法：基于模式的（嵌入特定指纹）和基于密钥的（使用加密密钥）。系统包含一个可视化套件，用于展示水印的嵌入与提取过程，并配备一个评估模块，可对水印在各种“攻击”（如裁剪、压缩或噪声）下的鲁棒性以及对最终媒体质量的影响进行测试。

适用人群

本工具包专为需要实现水印功能以保障安全、版权保护或真实性验证的生成模型 AI 研究人员和开发者设计。

主要亮点

• 广泛的算法支持：支持图像和视频的 11 种前沿水印算法。
• 全面的评估能力：包含 33 个工具，用于衡量可检测性、鲁棒性和输出质量。
• 鲁棒性测试：提供专用攻击工具，包括 JPEG 压缩、高斯模糊，以及 Diffusion Purification 等高级再生攻击。
• 自动化流水线：提供 8 个自动化评估流水线，实现高效的质量与检测分析。