본 논문은 대규모 모델의 발전으로 인해 생성 이미지 저작권 보호가 중요한 보안 과제로 떠오름에 따라, 기존 딥러닝 워터마킹 기법의 시각적 품질, 강건성, 일반화 성능의 한계를 극복하기 위해 적응형 강건 반복 워터마킹 프레임워크(ARIW-Framework)를 제안한다. ARIW-Framework는 강건한 잔차 생성을 위한 인코더를 반복적으로 최적화하는 접근 방식을 통해 다양한 노이즈 공격에 대한 강건성 가중치를 계산하고, 병렬 최적화 전략을 활용하여 여러 유형의 노이즈 공격에 대한 강건성을 향상시킨다. 또한, 이미지 기울기를 활용하여 각 픽셀 위치의 임베딩 강도를 결정하여 워터마크된 이미지의 시각적 품질을 크게 향상시킨다. 실험 결과, 제안된 방법은 우수한 시각적 품질과 함께 노이즈 공격에 대한 뛰어난 강건성과 일반화 성능을 달성함을 보여준다.
