- Implémentation officielle de l’article de Meta « Watermark Anything with Localized Messages »
- Propose une méthode permettant d’insérer des filigranes localisés dans une image
- Permet d’insérer plusieurs filigranes
- Prérequis : testé avec Python 3.10.14, PyTorch 2.5.1, CUDA 12.4 et Torchvision 0.20.1.
- Inférence
- Le script d’inférence et les visualisations sont disponibles dans
notebooks/inference.ipynb
- Explique comment insérer un filigrane dans une image, puis le détecter et le décoder
- En ajustant l’argument
wam.scaling_w, il est possible de régler l’équilibre entre imperceptibility/robustness (discrétion/robustesse) du filigrane
- Filigrane unique
- Fournit un exemple d’insertion d’un message de 32 bits dans une image
- Génère un masque aléatoire permettant d’insérer le filigrane uniquement sur une partie de l’image
- Filigranes multiples
- Fournit un exemple d’insertion de plusieurs messages de 32 bits dans une image
- Détecte les filigranes par clustering à l’aide de l’algorithme DBSCAN
- Entraînement
- Pré-entraînement : explique la méthode de pré-entraînement pour la robustesse.
- Fine-tuning : explique comment affiner le modèle afin de gérer plusieurs filigranes et de garantir leur discrétion.
- Licence
- Le modèle est proposé sous licence CC-BY-NC.
- Références
- Lié aux projets AudioSeal et Segment Anything.
1 commentaires
Avis Hacker News