业界 | 谷歌提出多图像抠图算法,并弥补水印技术的一致性漏洞

08-19 15:25 首页 机器之心

选自Google Research

机器之心编译

参与:黄小天、路雪


水印在日常生活中随处可见,它是一种保护图像图片版权的机制,防止未经许可或授权的使用;而自动去水印的计算机算法的存在却可使用户轻松获取无水印图像,这是由于当前的水印技术存在一个漏洞:水印通常被一致地添加到很多图像上,这种一致性可用于反转水印的处理过程。有鉴于此,谷歌在论文《On the Effectiveness of Visible Watermarks》中针对可泛化的多图像抠图算法,提出了可使水印足够鲁棒以免被从单个图像中去除的方法,而且还更具抵抗性,可以避免水印从图像集中大批量去除。谷歌在其博客中对论文成果做了更详实介绍。


  • 论文地址:http://openaccess.thecvf.com/content_cvpr_2017/papers/Dekel_On_the_Effectiveness_CVPR_2017_paper.pdf

  • 项目页面:https://watermark-cvpr17.github.io


不管你是一位摄影师、市场经理或者一名普通的互联网用户,你肯定有很多机会看到可见水印。水印就是那些覆盖在由图库网站提供的图像上的标志与图案,它标明了图像的所有者,又不影响人们观看图像内容。这是一种最常见的版权保护机制,它保护了数百万的图片和每日提供的线上图库图像。


水印使用的标准做法是假设他们防止了消费者获取干净的图片,确保没有未经许可或授权的使用。然而,最近在 CVPR 2017 上出现的一篇名为《On The Effectiveness Of Visible Watermarks》的论文中,我们发现一种计算机算法可以越过这一保护,自动去除水印,使用户轻松获取不带水印的干净图像。



左:流行的图库网站上带有水印的图像示例。右:相对应的无水印图像,由计算机算法自动生成。


正如处理在操作系统、应用程序或协议中发现的漏洞一样,我们也想要揭露这一漏洞,并提出解决方案,从而帮助摄影和图库社区调整适应,更好地保护版权内容与创新。从我们的实验得知,很多图库图像很容易受到这种去水印技术的影响。因此,我们在论文中提出了使水印对于这种操作变得更鲁棒的方法。



可见水印的漏洞


水印的设计通常包含复杂的结构,比如细线、阴影,从而使其较难去除。确实,给定一张图像,对于计算机来说自动检测哪个结构属于水印,哪个结构属于原图像是极其困难的。人工去除水印很是枯燥,甚至借助当前最好的编辑工具,也需要一个修图专家花费数分钟移除一张图像上的水印。


然而,目前为止常被忽略的一个事实是水印通常被一致地添加到很多图像上,这种一致性可用于反转水印的处理过程;即,评估水印图像及其不透明度,并恢复无水印的原图像。所有这一切可自动完成,无需人为参与,只观察网络上公开的水印图像集就够了。



水印在很多图像上的一致性允许大规模地自动移除水印。左:带有同一水印的输入图像集;中:被计算的水印及其不透明度;右:已恢复的无水印图像。


该过程的第一步是确认哪个图像结构在图像集中是重复的。如果一个相似的水印出现在很多图像上,这个水印就成了一个标志,图像成了噪音,并可用简单的图像操作粗略评估水印模式。


多图像中的水印提取。左:带水印的输入图像。中:输入图像上的中间密集度(median intensity)。右:对应的评估(抠图)水印。


这提供了对暗淡水印(这种水印图像增加了空间变换的不透明度)的粗糙(噪声)评估。为精确还原水印下的图像,我们需要知道水印在图像中的分解和不透明度。这就出现了一个多图像优化问题,我们称之为「多图像抠图」(传统的单图像抠图问题的扩展),这里水印(「前景」)分布在整个图像和不透明度模块中,干净(「底色」)图像被分成多个子集。这种优化能够从数百个图像中生成对水印各个模块的评估,处理实践中所用到的大部分水印,包括带有细小结构、阴影或色彩渐变(只有水印是半透明的)的水印。一旦水印图案被修复,从图像中去除水印就易如反掌了。


这里有更多的示例,可以证明评估的水印和多个流行的图库文件服务生成的无水印图像。更多材料和结果,详见项目页面。



左:从水印图像中自动评估出的水印(褐色背景)。中:输入的水印图像。右:水印被自动去除


使水印更有效


目前的水印技术的漏洞在于图像集中水印的一致性。因此,要想使水印更加坚固,我们需要在每个图像上嵌入水印时引入不一致性。我们在论文中查看了多种不一致性以及它们对上述技术的影响。比如,我们发现仅仅随机移动水印在每个图像中的位置无法防止去除水印,对水印不透明度进行随机的微小调整也无法防止去水印。但是我们发现在水印中引入随机的几何扰动(加水印时对水印进行变形处理)能够提高水印的鲁棒性。有趣的是,非常大的变形已经足够生成该技术无法去除的水印。



原始水印和轻微、随机变形后的水印(鲁棒性得到提高)


带有变形后水印的图像和原始图像非常相似(下图右上方),现在如果你想去除水印,那么图片上会留下明显的印记(下图右下方):




简言之,该方法奏效的原因在于从单个图像中去除随机变形的水印需要额外评估水印上的变形区域,这个任务比较困难。因此,即使水印图案在经过随机扰动后仍可被评估(这是很不容易的),但在不留下任何可见印记的情况下去除水印仍然很有挑战性。


这里还有一些使用随机、细微变形的水印后的图像的去水印效果。再次注意当我们尝试去除水印时图像上残留的可见印记,并将之与使用一致水印的图像去水印后的精确图像进行对比。更多结果和详细分析,见论文和项目页面。



左:使用随机的细微变形水印的图像。右:去水印后的图像。


随机的细微变形只是一种随机方式,可使水印更加有效。这种解决方案的一个优点在于实施方便,提升水印的鲁棒性以应对去水印技术,同时不易察觉。如果图像可以接受更多可见的水印变化,如在水印中引入更大的变换或纳入其他随机元素,那么图像将受到更好的保护。


尽管我们无法确保未来是否会出现一种方法破解随机水印技术,但是我们认为(我们的实验也证明了)随机化将从根本上增加去水印的难度。我们希望这些研究成果可以帮助摄影和图库社区。


论文:On the Effectiveness of Visible Watermarks



摘要:可见水印是一种广泛用于图像标记、保护网页上数以百万计的图像的版权的技术,但它存在一种固有的安全隐患,即水印通常以一致的方式添加到多个图像上。我们证明这种一致性使自动评估水印、修复原始图像成为可能。具体来说,我们展示了一种可泛化的多图像抠图算法,该算法将带水印的图像作为输入,自动评估「前景」(水印)、前景不透明度和「底色」(原始)图像。由于这样的操作依赖于图像集中的水印一致性,因此,我们探索和评估各种不一致的水印嵌入对该算法的影响(水印不一致可使水印更加安全)。我们在网络获取的图库上运行该算法,并提供对合成水印数据的大量定量分析。该论文透露出的一个关键信息是水印的设计不仅应该足够鲁棒以免被从单个图像中去除,而且还应更具抵抗性,可以避免从图像集中大批量去除。



本文为机器之心编译,转载请联系本公众号获得授权

?------------------------------------------------

加入机器之心(全职记者/实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告&商务合作:bd@jiqizhixin.com


首页 - 机器之心 的更多文章: