VALSE Webinar 25-10期 总第381期 图像生成与取证技术发展及应用

报告嘉宾：陈静静 (上海复旦大学)

报告题目：生成式视觉内容鉴别

报告嘉宾：万人杰 (香港浸会大学)

报告题目：数字水印技术在新兴三维表征中的应用与进展

Panel议题：

1. 图像生成在技术和落地应用方面还面临着哪些挑战？

2. 图像生成技术在特定行业领域（医疗、安检）如何进行快速应用？

3. 生成数据的水印和传统自然数据水印的区别是什么？

4. 生成数据水印当前面临的挑战是什么？

5. 生成数据水印在大规模落地应用需要考虑那些因素？

Panel嘉宾：

陈静静 (上海复旦大学)、万人杰 (香港浸会大学)、陈可江 (中国科学技术大学)、于茜 (北京航空航天大学)

报告嘉宾：陈静静 (上海复旦)

报告时间：2025年4月16日 (星期三)晚上20:00 (北京时间)

报告题目：生成式视觉内容鉴别

报告人简介：

陈静静 (Jingjing Chen)，复旦大学计算机科学技术学院副教授。2018年在香港城市大学获得博士学位，2018年9 月～2019年7月在新加坡国立大学从事博士后工作，2019年7月加入复旦大学计算机科学技术学院。主要研究领域为多媒体内容分析、计算机视觉、多媒体模型安全、生成式人工智能安全等。主持/参与了包括国家自然科学基金、科技部科技部2020年“科技创新2030-新一代人工智能”重大项目、上海市行动创新计划等多项科研项目。在 ACM Multimedia, CVPR, ICCV，AAAI，ICMR，IEEE TIP，IEEE TMM，IEEE TPAMI等重要国际会议、期刊上发表论文 100 余篇，先后获得了2016年ACM Multimedia (CCF A类会议)最佳学生论文奖，2017年Multimedia Modeling最佳学生论文奖，以及2022年中国多媒体大会最佳论文奖。此外，还获得2024年度ACM SIGMM Rising Star Award、2023年度 IEEE Multimedia Rising Star Runner Up等荣誉。担任多个国际会议组织委员会成员及国际期刊编委，包括MMM 2025程序委员会主席，ACM MM 2025 演示主席，IEEE TMM、ACM TOMM编委等。

个人主页：

https://jingjing1.github.io/#teach

报告摘要：

近年来，随着生成式人工智能技术的快速发展，AI合成图像和视频的能力不断提升，伪造内容在视觉上愈发真实，甚至难以通过肉眼辨识。生成技术的进步不可避免地被恶意利用，用于传播虚假信息、假冒政治人物等，严重影响了网络信息的可靠性和社会稳定。因此，生成式视觉内容鉴别技术的研究显得尤为紧迫。然而，现有的检测方法普遍存在泛化能力不足的问题，难以应对新型伪造或未知生成模型。针对这一挑战，本报告将围绕如何提升生成内容鉴别的泛化性展开，重点介绍我们团队在以下两个方向的研究进展： (1) 引入人物多模态先验信息，增强模型对于伪造细节的捕捉能力，并结合大模型的常识性推理能力，提升鉴别泛化性； (2) 建模真实图像与生成图像底层噪声分布差异，并设计图像自伪造增强鉴别框架，通过挖掘语义无关的伪造痕迹，实现对未知生成模型的鲁棒检测。实验结果表明，所提出的方法在多个伪造图像和视频数据集上均表现出色，展现了良好的跨方法泛化能力。

参考文献：

[1] Xu et al., Identity-Driven Multimedia Forgery Detection via Reference Assistance, ACM MM 2024

[2] Li et al., Revealing the Implicit Noise-based Imprint of Generative Models, arXiv 2025

报告嘉宾：万人杰 (香港浸会大学)

报告时间：2025年4月16日 (星期三)晚上20:30 (北京时间)

报告题目：数字水印技术在新兴三维表征中的应用与进展

报告人简介：

Renjie Wan received his BEng degree from the University of Electronic Science and Technology of China in 2012 and the Ph.D. degree from Nanayang Technological University, Singapore, in 2019. He is currently an Assistant Professor of Hong Kong Baptist University, Hong Kong. He is the outstanding reviewer of ICCV 2019 and the recipient of the Microsoft CRSF Award, VCIP 2020 Best Paper Award, and the Wallenberg-NTU Presidential Postdoctoral Fellowship.

个人主页：

https://wanrenjie.github.io/

报告摘要：

神经辐射场 (NeRF)和三维高斯散射 (3D Gaussian Splatting)作为新兴的三维表征技术，其快速发展带来了数字资产版权保护的迫切需求。针对这一挑战，一系列创新性的水印技术方案已被提出。CopyRNeRF通过设计新型色彩表征机制，首次实现了NeRF模型的版权保护。这一基础工作随后拓展为NeRFProtector框架，实现了水印的即插即用嵌入。为应对NeRF模型在实际应用中的重着色问题，GeometrySticker方法创新性地将水印信息嵌入几何特征，保证了重着色后的版权追踪能力。进一步地，基于码本的NeRF Signature方案在水印的不可感知性和鲁棒性方面取得了显著提升。随着三维高斯散射技术的兴起，基于不确定性的GaussianMarker方法扩展了水印技术的应用范围。同时，Geometry Cloak通过巧妙的几何扰动设计，有效防止了受保护图像的未授权三维重建。这些技术进展不仅丰富了数字水印的应用场景，也为新兴三维表征的版权保护提供了全面的技术支撑。

参考文献：

[1] Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan*. CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields. ICCV 2023.

[2] Qi Song, Ziyuan Luo, Ka Chun Cheung, Simon See, Renjie Wan*. Protecting NeRFs' Copyright via Plug-And-Play Watermarking Base Model. ECCV 2024.

[3] Xiufeng Huang, Ka Chun Cheung, Simon See, Renjie Wan*. GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields. ECCV 2024.

[4] Ziyuan Luo, Anderson Rocha, Boxin Shi, Qing Guo, Haoliang Li, Renjie Wan*. The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields. IEEE TPAMI 2025.

[5] Xiufeng Huang, Ruiqi Li, Yiu-ming Cheung, Ka Chun Cheung, Simon See, Renjie Wan*. GaussianMarker: Uncertainty-Aware Copyright Protection of 3D Gaussian Splatting. NeurIPS 2024.

[6] Qi Song, Ziyuan Luo, Ka Chun Cheung, Simon See, Renjie Wan*. Geometry Cloak: Preventing TGS-based 3D Reconstruction from Copyrighted Images. NeurIPS 2024.

Panel嘉宾：陈可江 (中国科学技术大学)

嘉宾简介：

陈可江，博士，中国科学技术大学副教授，ACM SIGWEB China优博、新星，中国图象图形学学会数字媒体取证与安全专委会委员。获中国科大墨子杰出青年和小米青年学者项目资助。研究方向为信息隐藏与人工智能安全，主持承担国家自然科学基金面上项目、集成项目子课题、青年基金等项目。以第一作者/通信作者身份在IEEE TIFS、TDSC、S&P、NeurIPS、CVPR等IEEE汇刊/CCF- A会议上发表论文30余篇。在Springer Nature上出版英文专著1部。曾获得ACM IH&MMSec等优秀会议论文奖4次。指导学生获得全国大学生信息安全竞赛一等奖、中国网络安全大学生创新创业作品投资价值奖第一名。

个人主页：

https://faculty.ustc.edu.cn/chenkejiang/zh_CN/index.htm

Panel嘉宾：于茜（北京航空航天大学）

嘉宾简介：

于茜，北京航空航天大学软件学院“卓越百人”副研究员，博导，入选第九届中国科协青年人才托举工程。博士毕业于Queen Mary University of London，曾在UC Berkeley从事博士后研究。研究方向是计算机视觉和深度学习，聚焦草图理解与应用，草图驱动的AIGC，和医学影像分析。主持国家自然基金青年项目、CCF-百度松果科研基金项目和北航-华为关键软件项目，作为课题骨干参与国家科技创新-“新一代人工智能”重大项目两项。目前发表学术论文30余篇，Google Scholar引用2300余次。曾荣获2015年英国机器视觉大会 (BMVC)的最佳论文奖，相关成果受到海内外媒体的关注和报道。担任2024年ACM MM网络媒体主席和2024/2025年CVPR领域主席；担任中国计算机学会计算机视觉专委会 (CCF-CV)委员、中国图象图形学学会视觉大数据专委会 (CSIG-BVD)委员，以及Valse执行委员。

个人主页：

https://yuqian1023.github.io/

主持人：王伟 (北京交通大学)

主持人简介：

王伟，北京交通大学计算机科学与技术学院教授，“卓越百人”教授，博导，国家高层次青年人才基金获得者。主要研究方向为人脸图像 及视频的生成与编辑，以及序列模型架构 RNN 、 Transformer 架构研究，主持国家自然科学基金面上项目，作为课题骨干参与欧盟-“地平线”重大项目一项，瑞士创新署校企联合项目两项。在 IEEE TPAMI 、 TIP 和 CCF A 类会议NeurIPS 、 CVPR 、 ICCV上发表论文40余篇，Google Scholar引用3000余次。担任 ICIP、ICMR等国际会议的Area Chiar，曾获ACM MultiMeida最佳论文提名奖，ICCV 优博奖，和意大利计算机视觉模式识别和机器学习协会优博奖等。担任ELLIS欧洲学习和智能系统实验室委员、中国图象图形学学会多媒体专委会 (CSIG-MM)委员，以及Valse执行委员。

个人主页：

https://faculty.bjtu.edu.cn/9882/

特别鸣谢本次Webinar主要组织者：

主办AC：王伟 (北京交通大学)