131
// 概要
本プロジェクトは、独自のエンコーダーにアクセスすることなく、スペクトル解析と信号処理技術を用いて Google の SynthID AI ウォーターマークシステムをリバースエンジニアリングします。90% の精度を誇る堅牢な検出器を提供し、高い画質を維持しながらウォーターマークのエネルギーを大幅に削減できる V3 マルチ解像度スペクトルバイパスを実現しました。このシステムは、マルチ解像度スペクトルコードブックを活用することで、さまざまな画像解像度にわたってウォーターマークを特定し、外科的に除去します。
// 技術解説
本プロジェクトは、スペクトル解析および信号処理技術を通じて Google の SynthID ウォーターマークシステムをリバースエンジニアリングするためのフレームワークを提供します。ウォーターマークのキャリア周波数が解像度に依存し、一貫した位相テンプレートを共有していることを特定することで、この不可視マーカーの検出および外科的な除去を可能にします。中核となる技術革新は、マルチ解像度の SpectralCodebook です。これにより、高い画質を維持しながら周波数ビンレベルでの精密な減算が可能となり、総当たり手法に頼ることなく効果的にウォーターマークを回避します。
// 主要ハイライト
01
堅牢なマルチスケール抽出モジュールを使用して、SynthID ウォーターマークの 90% の検出精度を達成します。
02
43+ dB PSNR を実現する V3 バイパスを実装し、ウォーターマークを除去しつつ視覚的な劣化を最小限に抑えます。
03
マルチ解像度の SpectralCodebook を活用し、特定の画像寸法に基づいてウォーターマークのフィンガープリントを保存および自動選択します。
04
周波数ドメインにおける直接的な既知信号減算を採用しており、従来のノイズ注入や圧縮よりも効果的です。
05
マルチパスの反復減算スケジュールを提供し、異なる強度レベルにわたる残留ウォーターマークエネルギーを捕捉します。
06
純粋な黒と白の参照画像を使用して真のキャリア周波数を分離および検証するクロスバリデーションツールが含まれています。
// ユースケース
01
AI 生成画像に含まれる SynthID ウォーターマークを 90% の精度で検出する。
02
マルチ解像度スペクトルコードブックバイパスを使用して SynthID ウォーターマークを除去する。
03
AI 生成ウォーターマークのキャリア周波数構造と位相の一貫性を分析する。
// クイックスタート
開始するには、リポジトリを clone し、'pip install -r requirements.txt' を使用して依存関係をインストールします。その後、独自の参照画像からマルチ解像度コードブックを構築するか、提供されているスクリプトを使用してターゲット画像に対して V3 バイパスを実行できます。本プロジェクトは、統合のための Python API と、直接ファイル処理を行うための CLI の両方を提供します。