Evaluating Durability: Benchmark Insights into Multimodal Watermarking

随着大型模型的发展，数字水印越来越被用于声明版权、验证真实性或监测内容分发。随着应用变得更加多模态，数字水印技术的实用性变得更加关键。这些水印的有效性和可靠性在很大程度上取决于它们对各种干扰的鲁棒性。然而，在真实世界的干扰和破坏下，这些水印的鲁棒性并不被很好地理解。为了突出数字水印技术中鲁棒性的重要性，我们的研究评估了由图像和文本生成模型生成的数字水印内容对常见真实世界图像干扰和文本扰动的鲁棒性。我们的研究结果可能为未来开发更加鲁棒的数字水印技术铺平道路。我们的项目网站可在 \url{https://mmwatermark-robustness.github.io/} 找到。

评估图像和文本生成模型中数字水印的鲁棒性

通过对数字水印在现实场景中的鲁棒性进行实验评估，为未来数字水印技术的开发提供参考。

实验评估了数字水印在图像和文本生成模型中的鲁棒性，使用了常见的现实场景中的图像破坏和文本扰动，研究结果可以为数字水印技术的开发提供指导。

最近的相关研究包括：1. "Deep Learning for Digital Watermarking: A Review"；2. "A Survey of Digital Watermarking Techniques in Image Processing"。