본 논문은 대규모 텍스트-이미지 모델 기반의 고급 이미지 편집 기술에 취약한 기존 이미지 워터마킹 방법의 문제점을 지적하고, 이를 해결하기 위한 새로운 워터마킹 방법 VINE을 제시합니다. W-Bench라는 종합적인 벤치마크를 통해 이미지 재생성, 전역/지역 편집, 이미지-비디오 변환 등 다양한 편집 기술에 대한 11가지 대표적인 워터마킹 방법의 강건성을 평가하고, 대부분의 방법이 편집 후 워터마크 탐지를 실패함을 보여줍니다. VINE은 이미지 편집의 주파수 특성 분석을 통해 블러링 왜곡을 대리 공격으로 활용하여 훈련하고, 사전 훈련된 확산 모델 SDXL-Turbo를 적용하여 더욱 눈에 띄지 않고 강건한 워터마크 임베딩을 달성합니다. 실험 결과, VINE은 다양한 이미지 편집 기술에서 기존 방법보다 이미지 품질과 강건성 측면에서 우수한 성능을 보입니다. 코드는 GitHub에서 공개됩니다.
