Pesquisa demonstra remocao pratica de marca d'agua em video gerado por IA preservando o movimento
O framework PoseRegen consegue apagar marcas d'agua de video sintetico sem introduzir a cintilacao ou as inconsistencias de movimento que atrapalhavam ataques anteriores, derrubando a acuracia de deteccao de onze esquemas de watermarking testados para perto do acaso. O resultado expoe uma fragilidade pratica nos mecanismos atuais de proveniencia de conteudo gerado por IA.
Marca d'agua embutida em video gerado por modelos de difusao e hoje a principal aposta da industria para rotular conteudo sintetico e sustentar regras de proveniencia e direitos autorais. Este artigo mostra que essa aposta ainda nao e robusta: os autores constroem um metodo de remocao que ataca especificamente as duas falhas que limitavam ataques anteriores herdados do dominio de imagem -- ruido no dominio de pixel, que causa cintilacao visivel entre quadros, e resintese generativa, que reconstroi detalhes de forma inconsistente ao longo do tempo, quebrando a coerencia de movimento.
O PoseRegen aplica primeiro uma transformacao de ponto de vista compartilhada temporalmente para perturbar os padroes espaciais onde a marca d'agua esta embutida, e depois reconstroi a sequencia inteira com um modelo de video DiT (transformer de difusao) condicionado por pose, usando supervisao de Flow Matching sobre toda a sequencia para manter identidade e fundo consistentes. Um adaptador leve de consistencia de movimento condicionado por pose restringe as trajetorias das partes do corpo durante a reconstrucao, evitando que o processo de 'limpeza' da marca d'agua distorca o movimento original -- o principal ponto fraco de abordagens anteriores.
Os resultados sao expressivos do ponto de vista ofensivo: em onze esquemas de watermarking de video avaliados, a acuracia media de deteccao de bits cai para 0,505, essencialmente aleatoria, enquanto a qualidade de movimento (medida por metricas do VBench) supera a melhor linha de base anterior em 9,34%. Ou seja, o ataque nao so remove a marca como preserva a qualidade percebida do video, dificultando qualquer deteccao humana da adulteracao.
Isso importa porque plataformas, reguladores e iniciativas de proveniencia de conteudo (como C2PA) vem tratando watermarking como uma salvaguarda razoavelmente confiavel contra desinformacao gerada por IA. Um ataque pratico que zera a eficacia de onze esquemas distintos sugere que essas garantias nao resistem a um adversario motivado com acesso a modelos de video modernos, reforcando que watermarking sozinho nao deveria ser tratado como controle suficiente de autenticidade -- um ponto que conecta diretamente com a necessidade de mecanismos de verificacao independentes, como os baseados em sinais fisicos (ENF) discutidos em outro artigo desta leva.