À medida que os geradores de imagens por inteligência artificial (IA) se tornam mais sofisticados, o desafio de verificar a origem e os direitos autorais das imagens produzidas se intensificou. Marcas d'água tradicionais de pós-processamento, adicionadas após a criação da imagem, podem ser facilmente removidas ou contornadas, deixando criadores de conteúdo e plataformas vulneráveis a uso indevido. Em resposta, uma equipe de pesquisa desenvolveu o Latent Seal, um novo framework de marca d'água que incorpora marcas d'água diretamente no processo de geração de modelos de difusão latente (LDMs), fornecendo uma solução mais durável e integrada para proteção de direitos autorais.
O framework, desenvolvido por pesquisadores da Universidade Politécnica de Macau, Universidade de Tecnologia de Guangdong, Universidade de Jinan e do Instituto de Automação da Academia Chinesa de Ciências, foi detalhado em um estudo publicado na Machine Intelligence Research em 17 de junho de 2026 (DOI: 10.1007/s11633-025-1620-y). O Latent Seal funciona usando um codificador de espaço latente para misturar uma marca d'água RGB colorida na representação interna do modelo durante o processo de geração de imagem. Um decodificador pareado recupera a marca d'água das imagens protegidas, permitindo tanto a detecção de conteúdo generativo quanto a verificação de direitos autorais.
A equipe construiu o Latent Seal em torno do Stable Diffusion 2.1, treinando-o em um conjunto de dados de 74.247 imagens geradas e suas representações latentes, provenientes de prompts em DiffusionDB e JourneyDB. O sistema congela a rede de denoising original, clona e ajusta o decodificador do autoencoder variacional (VAE), e insere o codificador de marca d'água em um bloco de decodificação intermediário. O decodificador é treinado para recuperar a marca d'água de imagens protegidas e retornar uma saída em branco para imagens não protegidas, reduzindo falsos positivos.
Em testes de benchmark, o Latent Seal demonstrou desempenho impressionante. As imagens com marca d'água alcançaram uma relação sinal-ruído de pico de 44,29 decibéis e um índice de similaridade estrutural de 0,9933, indicando degradação visual mínima. As marcas d'água recuperadas atingiram 39,19 decibéis, 0,9971 de similaridade estrutural e 0,9992 de correlação cruzada normalizada, mostrando alta fidelidade na recuperação da marca d'água. O método também se mostrou resiliente a uma ampla gama de distorções comuns, incluindo alterações de brilho, contraste e saturação, desfoque, ruído, compressão, inversões, corte e rotação. Além disso, o Latent Seal adicionou apenas 7,33 milissegundos durante a incorporação e 2,26 milissegundos durante a extração, tornando-o prático para aplicações em tempo real.
Uma das principais vantagens do Latent Seal é sua capacidade de carregar uma imagem colorida como marca d'água, oferecendo maior capacidade de identificação do que simples assinaturas binárias. Isso permite informações de proveniência mais detalhadas, como a identidade do criador ou o logotipo do provedor do modelo. O método também mostrou desempenho consistente em diferentes modelos, incluindo Stable Diffusion XL e Stable Diffusion 3.5, e em várias resoluções de imagem.
Os pesquisadores enfatizam que o Latent Seal é projetado para tornar a proteção de proveniência uma parte integrante da criação de imagens, em vez de uma reflexão tardia. "O objetivo é preservar a qualidade visual que os usuários esperam, ao mesmo tempo em que fornece aos provedores de modelo uma maneira prática de verificar a origem após as imagens serem editadas ou compartilhadas", observaram. "Nossos resultados sugerem que uma forte recuperação de marca d'água e baixo impacto visual podem ser alcançados juntos."
As aplicações potenciais do Latent Seal são amplas. Ele poderia apoiar verificações de proveniência para geradores de imagens comerciais, auxiliar em investigações de mídias sociais, ajudar a resolver disputas de direitos autorais, auxiliar na moderação de conteúdo e facilitar o gerenciamento de ativos digitais. A capacidade de incorporar uma marca d'água colorida também pode servir como um impedimento contra o uso não autorizado, pois a marca d'água pode ser extraída e comparada com a referência do provedor para confirmar a propriedade.
No entanto, o sistema atual tem limitações. Cada nova marca d'água requer retreinamento, e a precisão da recuperação diminui ligeiramente à medida que a complexidade da marca d'água aumenta. Para resolver isso, os pesquisadores propõem trabalhos futuros sobre fusão de características no domínio da frequência e um adaptador leve para suportar marcas d'água arbitrárias sem retreinamento completo. Eles também sugerem que o Latent Seal é melhor usado juntamente com outras ferramentas de autenticação de conteúdo, como políticas de divulgação e padrões de metadados, em vez de como uma garantia autônoma.
Esta pesquisa representa um passo significativo em direção a sistemas de imagem generativa mais rastreáveis e responsáveis. Ao incorporar marcas d'água diretamente no processo de geração, o Latent Seal oferece uma solução prática e robusta para o crescente desafio da proveniência de conteúdo de IA.
