A medida que los generadores de imágenes por inteligencia artificial (IA) se vuelven más sofisticados, el desafío de verificar el origen y los derechos de autor de las imágenes que producen se ha intensificado. Las marcas de agua tradicionales de posprocesamiento, que se añaden después de que se crea una imagen, pueden ser fácilmente eliminadas o eludidas, dejando a los creadores de contenido y a las plataformas vulnerables al uso indebido. En respuesta, un equipo de investigación ha desarrollado Latent Seal, un novedoso marco de marcas de agua que integra marcas de agua directamente en el proceso de generación de los modelos de difusión latente (LDM), proporcionando una solución más duradera e integrada para la protección de los derechos de autor.
El marco, desarrollado por investigadores de la Universidad Politécnica de Macao, la Universidad de Tecnología de Guangdong, la Universidad de Jinan y el Instituto de Automatización de la Academia China de Ciencias, se detalló en un estudio publicado en Machine Intelligence Research el 17 de junio de 2026 (DOI: 10.1007/s11633-025-1620-y). Latent Seal funciona mediante un codificador de espacio latente que mezcla una marca de agua RGB a todo color en la representación interna del modelo durante el proceso de generación de imágenes. Un decodificador emparejado recupera entonces la marca de agua de las imágenes protegidas, permitiendo tanto la detección de contenido generativo como la verificación de derechos de autor.
El equipo construyó Latent Seal en torno a Stable Diffusion 2.1, entrenándolo con un conjunto de datos de 74,247 imágenes generadas y sus representaciones latentes, obtenidas de prompts en DiffusionDB y JourneyDB. El sistema congela la red de denoising original, clona y ajusta finamente el decodificador del autoencoder variacional (VAE), e inserta el codificador de marcas de agua en un bloque de decodificación intermedio. El decodificador se entrena para recuperar la marca de agua de las imágenes protegidas y devolver una salida en blanco para las no protegidas, reduciendo los falsos positivos.
En las pruebas de referencia, Latent Seal demostró un rendimiento impresionante. Las imágenes con marca de agua alcanzaron una relación señal-ruido pico de 44.29 decibelios y un índice de similitud estructural de 0.9933, lo que indica una degradación visual mínima. Las marcas de agua recuperadas alcanzaron 39.19 decibelios, 0.9971 de similitud estructural y 0.9992 de correlación cruzada normalizada, mostrando una alta fidelidad en la recuperación de marcas de agua. El método también demostró ser resistente a una amplia gama de distorsiones comunes, incluidos cambios de brillo, contraste y saturación, desenfoque, ruido, compresión, volteos, recortes y rotación. Además, Latent Seal añadió solo 7.33 milisegundos durante la incrustación y 2.26 milisegundos durante la extracción, lo que lo hace práctico para aplicaciones en tiempo real.
Una de las principales ventajas de Latent Seal es su capacidad para transportar una imagen a todo color como marca de agua, ofreciendo más capacidad de identificación que las simples firmas binarias. Esto permite una información de procedencia más detallada, como la identidad del creador o el logotipo del proveedor del modelo. El método también mostró un rendimiento consistente en diferentes modelos, incluyendo Stable Diffusion XL y Stable Diffusion 3.5, y en varias resoluciones de imagen.
Los investigadores enfatizan que Latent Seal está diseñado para hacer que la protección de la procedencia sea una parte integral de la creación de imágenes en lugar de una idea posterior. "El objetivo es preservar la calidad visual que los usuarios esperan mientras se brinda a los proveedores de modelos una forma práctica de verificar el origen después de que las imágenes hayan sido editadas o compartidas", señalaron. "Nuestros resultados sugieren que se puede lograr una fuerte recuperación de la marca de agua y un bajo impacto visual al mismo tiempo".
Las aplicaciones potenciales de Latent Seal son amplias. Podría apoyar los controles de procedencia para generadores de imágenes comerciales, ayudar en investigaciones en redes sociales, contribuir a resolver disputas de derechos de autor, asistir en la moderación de contenido y facilitar la gestión de activos digitales. La capacidad de incrustar una marca de agua a todo color también podría servir como disuasión contra el uso no autorizado, ya que la marca de agua puede extraerse y compararse con la referencia del proveedor para confirmar la propiedad.
Sin embargo, el sistema actual tiene limitaciones. Cada nueva marca de agua requiere un reentrenamiento, y la precisión de recuperación disminuye ligeramente a medida que aumenta la complejidad de la marca de agua. Para abordar esto, los investigadores proponen trabajo futuro sobre fusión de características en el dominio de la frecuencia y un adaptador ligero para soportar marcas de agua arbitrarias sin reentrenamiento completo. También sugieren que Latent Seal se utiliza mejor junto con otras herramientas de autenticación de contenido, como políticas de divulgación y estándares de metadatos, en lugar de como una garantía independiente.
Esta investigación representa un paso significativo hacia sistemas de imágenes generativas más rastreables y responsables. Al incrustar marcas de agua directamente en el proceso de generación, Latent Seal ofrece una solución práctica y robusta al creciente desafío de la procedencia del contenido de IA.
