arXiv:2605.27135v1 Announce Type: cross 
Abstract: With the rapid proliferation of generative models, such as diffusion models, digital watermarking has emerged as a crucial solution for identifying AI-generated images. Modern post-hoc watermarking schemes use neural networks to achieve an extremely low false-alarm rate while remaining robust to common image transformations. However, there is a lack of comparison between these modern methods and classic ones, particularly in real-world scenarios where robustness and security take precedence over achieving an extremely low false-alarm probability. In this paper, we propose a fair comparison of robustness and security between modern and classic post-hoc watermarking across various types of classic augmentations and recent sophisticated attacks. Our experiments show that, in a realistic scenario, classic watermarking outperforms modern techniques in terms of security while maintaining robustness.

أظهرت الأبحاث الحديثة فعالية طرق العلامة المائية الحديثة بعد الحدث في تحديد الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي، خاصة في سياق النماذج التوليدية مثل نماذج الانتشار. ومع ذلك، تكشف التحليلات المقارنة أن تقنيات العلامة المائية التقليدية تتفوق على الأساليب الحديثة من حيث الأمان والقدرة على التحمل ضد مختلف الهجمات وتحويلات الصور.

Investigaciones recientes han destacado la efectividad de los métodos modernos de marca de agua post-hoc para identificar imágenes generadas por IA, especialmente en el contexto de modelos generativos como los modelos de difusión. Sin embargo, un análisis comparativo revela que las técnicas clásicas de marca de agua superan a los enfoques modernos en términos de seguridad y robustez frente a varios ataques y transformaciones de imágenes.

Des recherches récentes ont mis en lumière l'efficacité des méthodes modernes de filigrane post-hoc pour identifier les images générées par l'IA, notamment dans le contexte de modèles génératifs tels que les modèles de diffusion. Cependant, une analyse comparative révèle que les techniques de filigrane classiques surpassent les approches modernes en termes de sécurité et de robustesse face à diverses attaques et transformations d'images.

Recent research has highlighted the effectiveness of modern post-hoc watermarking methods in identifying AI-generated images, particularly in the context of generative models like diffusion models. However, a comparative analysis reveals that classic watermarking techniques outperform modern approaches in terms of security and robustness against various attacks and image transformations.