字体风格水印模型

解码精度升5.8%

利用字体流形生成风格变体以提升嵌入容量,并通过图文对比学习实现抗失真的鲁棒解码。

Kahim, Wong · Jicheng, Zhou · Kemou, Li · Si, Yain Whar · 吴小蔚 · 周建涛

IEEE Transactions on Multimedia 2025

参数信息

合成失真下解码精度提升
5.4 %
跨媒体失真下解码精度提升
7.4 %
在线社交网络失真下解码精度提升
5.8 %
视觉质量改善(LPIPS)
52.7 %

技术优势

水印后字体质量更高

FontGuard通过改变隐藏风格特征而非像素,使嵌入水印后的字体视觉质量显著优于像素级方法,LPIPS指标改善52.7%。

解码对真实失真更鲁棒

FontGuard利用字体流形生成大量与原始字体非常相似的变体,保证水印在合成、跨媒体和社交媒体传播等失真下仍能准确解码。

无需重新训练即可用于新字体

FontGuard能够为未见过的字体生成水印版本,无需重新训练网络,扩展了方法的实用范围。

应用场景