RAW：魯棒的數字人水印——基準測試與基線方法

數字人水印技術正面臨前所未有的挑戰。與傳統的圖像或視頻水印不同，數字人（avatar）在部署前通常需要經過一系列後處理操作，包括背景替換、重新構圖、格式轉換等。這些操作不僅改變了數字人的外觀，還可能破壞嵌入的水印信息。來自卡迪夫大學等機構的研究人員最近在arXiv上發表了一項重要研究，提出了RAW（Robust Avatar Watermarking）基準，並以此為基礎開發了WALT（Watermarking Avatars with Learned Textures）方法，為數字人水印領域提供了全新的解決方案。

RAW基準是專門為評估數字人水印魯棒性而設計的。該基準包含來自5家商業供應商的50個合成數字人視頻，這些視頻涵蓋了不同的面部特徵、背景和動作。為了模擬真實世界中的應用場景，研究人員設計了6種攻擊方式：背景移除、縮放、旋轉、裁剪、格式轉換和視頻壓縮。這些攻擊反映了數字人在實際部署中可能遇到的各種處理流程。研究團隊利用該基準評估了7種現有的水印方法，包括傳統的圖像水印方法和一些基於深度學習的方法。評估結果令人震驚：在背景移除攻擊下，大多數現有方法的水印恢復率下降了50%以上；在縮放攻擊下，一些方法甚至完全失效。這表明，現有的水印技術在面對數字人特有的處理流程時存在嚴重的脆弱性。

為了克服這一挑戰，研究人員提出了WALT方法。WALT的核心創新在於將水印嵌入到UV紋理空間中。UV紋理是3D模型表面的一種參數化表示，它獨立於攝像機的視角和幾何變換。WALT首先通過3D人臉重建技術從數字人視頻中提取出UV紋理圖，然後使用一個可學習的神經網絡將水印信息嵌入到UV紋理中。由於UV紋理對幾何變換（如縮放、旋轉）具有天然的魯棒性，WALT能夠在這些攻擊下保持較高的水印恢復率。此外，WALT還特別針對背景移除進行了優化：通過將水印嵌入到面部區域的UV紋理中，即使背景被完全移除，水印信息仍然能夠從面部區域中提取出來。

實驗結果表明，WALT在縮放攻擊下的魯棒性達到了92.4%，遠超所有對比方法；在背景移除攻擊下，恢復率也高達95.6%。即使面對多種攻擊的組合，WALT仍然能夠保持80%以上的恢復率。這一性能的提升得益於UV紋理空間的穩定性和WALT學習到的魯棒嵌入策略。

研究團隊已經將RAW基準開源，包括所有視頻數據、攻擊代碼和評估指標。這為數字人水印領域的研究提供了一個標準化的測試平台，有助於推動該領域的快速發展。未來，數字人水印將在虛擬現實、增強現實、遠程會議、遊戲和社交媒體等多個領域發揮關鍵作用，保護知識產權和內容安全。RAW和WALT的提出，標誌着數字人水印技術邁出了重要的一步。