Adobe新作：给扩散模型加“概念级”水印，画风被抄也能溯源91%+

AI生成内容的版权保护一直是个复杂话题。生成一张"梵高风格的戴珍珠耳环的猫"成本不到一秒，但版权归属问题却难以解决。传统水印在像素空间里做文章，但容易失效。

龙哥读论文发布于 2026-09-12 16:54:33 阅读 1 查看原文

#图像生成 #多模态 #模型架构 #AI应用

原论文信息如下：

论文标题:
TokenTrace: Multi-Concept Attribution through Watermarked Token Recovery 发表日期:
2026年02月发表单位:
Adobe Research, University of California, San Diego, DECaDE, University of Surrey 原文链接:
https://arxiv.org/pdf/2602.19019.pdf

当一张图里同时有"猫"和"梵高画风"，你能证明谁才是原创吗？看看Adobe的TokenTrace给AI内容加了怎样的"隐形身份证"？🤚

AI生成内容的版权保护一直是个复杂话题。生成一张"梵高风格的戴珍珠耳环的猫"成本不到一秒，但版权归属问题却难以解决。传统水印在像素空间里做文章，但容易失效。Adobe的TokenTrace选择在"提示词语义空间"中嵌入水印，确保概念的独立验证。

从"一个token"到"一幅画"：水印如何与概念语义深度绑定？

Token在自然语言处理中是"词元"。提示词会被切成几个token，每个token转换成高维向量，组成提示词嵌入，指导扩散模型生成图像。传统水印方法倾向于整体标记图像，难以区分独立概念。TokenTrace让水印跟随语义走，直接在令牌嵌入阶段嵌入密钥信息，确保概念的独立验证。

双条件嵌入：为什么同时扰动文本和噪声能破解多概念归因难题？

TokenTrace提出"双条件嵌入"，并行扰动文本提示嵌入和初始化噪声。文本令牌上的水印提供概念特异性，潜在空间中的高斯扰动提供几何稳固性。秘密被同时映射到"说了什么"和"怎么起笔"两个层面，确保水印的完整性。

查询式解码：如何从一张图中精准"提取"每个概念的独立签名？

TokenTrace采用查询式归因机制，通过查询提示词精准提取特定概念的水印。查询提示词指明要提取的概念，确保模块只关注相关区域或特征，实现多概念的精准分类或验证。

实验数据说话：单概念与多概念归因的全面性能对比

实验设计验证了TokenTrace在单概念和多概念归因上的性能。TokenTrace在WikiArt和ImageNet数据集上表现优异，刷新了最优水平。多概念归因中，TokenTrace展现出与基线最大的差距，准确率显著提升。

消融与鲁棒性分析：方法设计的每个环节都不可或缺

消融研究验证了设计架构的必要性。每个模块都有其价值，损失组合方案达到高分但训练开销大。比特秘密长度的取舍展示了容量与精度间的妥协关系。模型在应对不同数量级别的概念库时表现稳定。

总结与展望：生成式AI时代的知识产权保护新范式

TokenTrace提供了一套智能体归因框架，通过双条件嵌入法与查询式解码机制，实现多概念的独立认证。它为溯源技术向前推进了一大步，能够查出图中各个概念的来源。未来可能结合更强的概念特征矢量，进一步提升溯源能力。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在解决什么问题？针对扩散模型“借画风”难溯源，TokenTrace把概念签名同时嵌进文本语义与初始潜噪声；查询式TokenTrace解码模块可从同一张图中分离验证多概念。

这篇工作最值得看的点是什么？TokenTrace在WikiArt上达到91.67%归因准确率、98.33%比特准确率，在ImageNet上达到90.43%归因准确率、95.82%比特准确率，均显著优于所有被动和主动基线方法；在多概念归因任务中（定制化2概念和通用4概念），TokenTrace分别达到88.62%和81.57%归因准确率，优于CustomMark的85.14%和72.78%；加入提示加权后（TokenTraceP）进一步提升至90.53%和86.

这篇工作的边界或风险在哪里？优点：(1)提出双条件嵌入策略，在语义域和潜域同时嵌入水印，从根本上避免了像素域方法的空间重叠问题；(2)查询式TokenTrace模块能够有效解耦并独立归因多个重叠概念；(3)参数高效设计（仅训练轻量投影和注意力层），支持增量学习，避免灾难性遗忘；(4)在单概念和多概念任务上均达到SOTA性能，且保持高视觉保真度和鲁棒性。缺点：(1)需要训练多个组件（概念编码器、秘密映射器、TokenTrace模块、秘密解码器），训练复杂度较高；(2)秘密长度增加时性能下降明显（64位时归因准确率降至84.18%）；(3)对定制化概念的多概念组合仍存在图像质量退化问题；(4)查询提示需要从预定义集合中选择，限制了实际应用的灵活性。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

提出TokenTrace框架，通过双条件策略（同时扰动文本提示嵌入和初始潜噪声）将概念秘密嵌入扩散模型的生成过程，并设计基于查询的TokenTrace模块实现多概念的解耦与独立归因。

实验合理度：★★★★☆

归因准确率（Attribution Accuracy，预测比特秘密与真实秘密完全匹配的百分比）、比特准确率（Bit Accuracy，单个比特正确预测的平均百分比）、CSD分数（风格保持的余弦相似度）、CLIP分数（整体语义相似度）。

学术研究价值：★★★★☆

提出TokenTrace框架，通过双条件策略（同时扰动文本提示嵌入和初始潜噪声）将概念秘密嵌入扩散模型的生成过程，并设计基于查询的TokenTrace模块实现多概念的解耦与独立归因；更关键的是问题定义是否可复用到同类任务。

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

训练在8块A100 NVIDIA GPU上进行，batch size为6/GPU，训练10,000次迭代。

复现难度：★★★☆☆

现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：；(2)查询式TokenTrace模块能够有效解耦并独立归因多个重叠概念；(3)参数高效设计（仅训练轻量投影和注意力层），支持增量学习，避免灾难性遗忘；(4)在单概念和多概念任务上均达到SOTA性能，且保持高视觉保真度和鲁棒性。

主要参考文献

[1] Zhang, L., Agarwal, S., Collomosse, J., Xie, P., & Asnani, V. (2026). TokenTrace: Multi-Concept Attribution through Watermarked Token Recovery. arXiv preprint arXiv:2602.19019.

[2] ProMark: Proactive Diffusion Watermarking for Causal Attribution. (详见原论文引用)

[3] CustomMark: Text-prompt Customized Multi-Concept Watermarking. (详见原论文引用)

[4] Radford, A., et al. Learning Transferable Visual Models From Natural Language Supervision (CLIP). ICML 2021.

[5] Rombach, R., et al. High-Resolution Image Synthesis with Latent Diffusion Models (Stable Diffusion). CVPR 2022.

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！