给AI生成的作品打水印，让AIGC图像可溯源，已经成为行业共识。

问题是，传统水印方法通常把图像当成一个整体处理，全局嵌入、水印提取一锅端，存在不少“短板”：

比如，图像局部区域被篡改，就可能导致全局提取失败，也无法定位水印所在具体区域。

又比如，无法只保护某个区域，如人脸、LOGO等。

针对这个问题，现在，来自南洋理工大学和新加坡A*STAR前沿人工智能研究中心等机构的研究人员，提出了一种全新的局部鲁棒图像水印方法——MaskMark。

该方法不仅在多个任务中全面超越Meta出品的SOTA模型WAM，而且训练成本只有它的1/15。

具体而言，MaskMark支持：

多水印嵌入
可精准定位篡改区域
灵活提取局部水印
自适应支持32/64/128比特

核心思路：让模型“看得见”水印在哪里

研究人员引入了一种掩码机制，训练时告诉模型“水印藏在这里”，教它学会精准地嵌入和提取。

他们给MaskMark设计了两个版本：

MaskMark-D（解码掩码）

水印全图嵌入，但能定位水印位置，支持局部提取。
即使部分图像被篡改，也能成功提取水印。
适合用于整体图像保护、版权声明和内容验证。

MaskMark-ED（编码+解码掩码）

水印只嵌入图像的特定区域（比如人脸或LOGO）。
对小范围攻击更鲁棒，提取效果更好。
适合局部敏感内容保护、隐私感知场景等。

其中核心技术流程，是训练和推理的双重优化。

MaskMark 的端到端训练流程主要包括四个阶段：

掩码生成（Mask Generation）：
从四种预定义类型（全掩码、矩形掩码、不规则掩码、分割掩码）中随机选择或生成一个掩码M。
水印嵌入（Watermark Embedding）：
编码器将水印比特嵌入原始图像（对于 MaskMark-ED可选择性地嵌入掩码M来指导嵌入位置），生成水印图像。此过程利用轻量级CNN处理水印比特，并结合U-Net结构及JND模块优化视觉效果。
水印掩码操作（Watermark Masking）：
使用掩码M融合和，生成，即仅在掩码区域保留水印。随后对施加随机失真得到，

并再次用M裁剪出仅含水印信号的区域。

水印提取（Watermark Extraction）：


解码器从中预测掩码，并从中提取水印比特。解码器包含专门用于掩码预测的 U2-Net 和用于水印提取的U-Net及CNN模块。

MaskMark推理时，解码器首先利用定位模块识别含水印区域，将非水印区域置零以减少干扰，然后从保留区域恢复水印，这对于小区域水印提取尤为重要。

在多项不同的任务上均表现出SOTA的性能

研究人员在多项不同任务上验证了MaskMark的性能。

首先，MaskMark能实现高提取精度。

在全局水印任务中，即使在高视觉保真度（PSNR > 39.5, SSIM > 0.98）下，MaskMark-D和MaskMark-ED仍能保持近乎100%的比特准确率，尤其在各类值度量和几何失真攻击下表现优异，显著优于现有基线模型。

在局部水印任务中，实验表明，当水印信号分布在图像的不同大小区域时，MaskMark仍能保持近乎100%的提取准确率，显著优于其他全局方法，并超过当前最先进的局部水印模型WAM。尤其在小面积嵌入场景中，MaskMark-ED展现出更加出色的表现。

其次，MaskMark能实现精准水印定位。

在不同水印区域比例和失真条件下，其定位性能（以IoU衡量）均优于EditGuard和WAM等方法。MaskMark-ED在小区域定位上更具优势。

MaskMark还具备多水印嵌入能力。

尽管并非为此专门训练，MaskMark-ED在单个图像中嵌入多达5个不同水印时，依然保持强大的提取和定位性能，优于WAM。

在高效性和扩展性方面，训练效率上，MaskMark仅需在单个A6000 GPU上训练约20小时，计算效率（TFLOPs衡量）比WAM高出15倍。

在消息长度方面，MaskMark可轻松扩展至不同比特长度（如32、64、128位），并保持较高性能，而WAM则受限于32位。

另外，MaskMark还支持快速微调*。

通过简单调整失真层或进行少量微调（如针对VAE自适应攻击，仅需20k训练步数），MaskMark即可适应不同鲁棒性需求和新兴威胁。

论文链接：
https://arxiv.org/abs/2504.12739
代码链接：
https://github.com/hurunyi/maskmark