Rotation-Invariant Spherical Watermarking via Third-Order SO(3) Representation Coupling¶

会议: ICML 2026
arXiv: 2605.26702
代码: 论文中标注 "Code is available here"，arXiv 页待确认
领域: AI 安全 / 数字水印 / 球面信号处理
关键词: 全景图水印, SO(3) 等变, 球谐函数, 双谱不变量, 张量积耦合

一句话总结¶

TRIAD 把 360° 全景图当作球面信号，用三阶球谐系数张量积投影到 trivial 表示得到一个理论可证 SO(3) 不变的双谱标量，从而把水印藏在高阶 SH 系数里、再从这个不变量里读出来，在任意 3D 旋转下仍能保持近 100% 的比特准确率而不依赖数据增强。

研究背景与动机¶

领域现状：AIGC 让 360° 全景图（VR / Metaverse / World Model 训练数据）变得触手可及，迫切需要数字水印做版权追踪。现有深度水印方法 (StegaStamp / TrustMark / VINE / Robust-Wide 等) 几乎都建在 CNN 的平移等变假设上，靠数据增强来抵抗几何攻击。

现有痛点：全景图本质上是定义在球面 \(\mathbb{S}^2\) 上的信号，用户观看时通过 HMD 转动头部就是对它施加一个 SO(3) 旋转。当全景图以等距柱状投影 (ERP) 表示时，球面上的一个 3D 旋转会在 ERP 平面上变成高度非线性、随纬度严重畸变的像素位移（极区拉伸 + 大范围纹理位移），平面 CNN 完全无法对齐。

核心矛盾：SO(3) 是连续无穷群，存在无穷多种旋转，任何有限增强样本都覆盖不全；靠"看过即记住"得到的鲁棒性既无理论保证、训练开销又大，遇到训练时未见的旋转角度立刻崩到随机猜测。同时，若想用 SH 系数中天然旋转不变的零阶 \(c_0\) (DC 分量) 当载体，又会直接把全局亮度/色温改掉，肉眼立刻可见。

本文目标：在球面信号上构造一个可证 SO(3) 不变的水印框架——既要把水印藏在高阶（容量大、视觉隐蔽）的 SH 子空间，又要能从一个对旋转严格不变的标量里把它读回来。

切入角度：从 SO(3) 表示论出发。SH 系数 \(c_l\) 在旋转下按 Wigner-D 矩阵分块变换 \(c_l' = D^l(R) c_l\)，不同 \(l\) 不混合；二阶 power spectrum 虽然不变但"相位盲"，丢掉了方向信息；只有三阶张量积 \(\mathcal{V}_{l_1} \otimes \mathcal{V}_{l_2} \otimes \mathcal{V}_{l_3}\) 投到 trivial 表示 \(\mathcal{V}_0\) 时既严格不变又保留相位（即经典 bispectrum）。

核心 idea：用"高阶 SH 写入 + 三阶 bispectrum 读出"的非对称结构，把"信息容量"和"旋转不变"在数学上完全解耦——写在 equivariant 高阶子空间，读在 invariant 零阶标量。

方法详解¶

整体框架¶

TRIAD 是一个端到端编解码框架，输入是 \(H \times 2H\) 的 ERP 全景图 \(x\) 和 \(k=32\) 比特水印 \(w \in \{0,1\}^k\)，输出是视觉上几乎不可察觉的水印图 \(\tilde{x}\)；解码端无需对齐，直接在 SH 域抽出 bispectral 不变标量即可恢复 \(\hat{w}\)。

整个 pipeline 分四步：(1) 球谐变换 SHT：把 \(x\) 升到 SH 系数 \(c = \{c_l\}_{l=0}^{l_{\max}}\)，默认 \(l_{\max}=16\)；(2) 等变嵌入：用基于 e3nn 的 SO(3)-等变 backbone \(\Phi_{eq}\) 把 \(c\) 映射到选定的高阶子空间 \(\mathcal{V}_{embed} = \mathcal{V}_6 \oplus \mathcal{V}_8 \oplus \mathcal{V}_{14}\)，再通过参数化张量积 \(\text{TP}_{\vartheta_1}(u, w)\) 把水印融入这些等变特征，逆 SHT 回空域得到残差 \(\Delta x\)，经感知掩码 \(M_{perc}\) 与几何掩码 \(M_{geo}\) 调制后叠加到原图：\(\tilde{x} = x + M_{perc}(x) \odot M_{geo} \odot \Delta x\)；(3) 解码端再次 SHT 并投影到同样的 \(\mathcal{V}_{embed}\) 得到 \(\hat{u}\)；(4) 三阶不变投影：用两步张量积 \(h = \text{TP}_{\vartheta_2}(\hat{u}, \hat{u})\), \(z = \text{TP}_{\vartheta_3}(h, \hat{u})|_{\mathcal{V}_0}\) 算出可学习的 bispectrum 标量，再过轻量 MLP 解出 \(\hat{w}\)。

关键设计¶

三阶 SH 张量积构造可证不变的双谱标量 (Spherical Bispectral Invariant):
- 功能：把藏在高阶（rotation-sensitive）SH 系数里的水印信息抽成一个对任意 SO(3) 旋转严格不变的标量信号。
- 核心思路：对三个 SH 不可约表示 \(\mathcal{V}_{l_1} \otimes \mathcal{V}_{l_2} \otimes \mathcal{V}_{l_3} = \bigoplus_l \mathcal{V}_l\) 做张量积分解，挑出 \(l=0\) 的 trivial 分量，得到 \(I = \sum_{l_i, m_i} C^{0,0}_{l_1 m_1\, l_2 m_2\, l_3 m_3}\, c_{l_1}^{m_1} c_{l_2}^{m_2} c_{l_3}^{m_3}\)，其中 \(C^{0,0}_{\dots}\) 是由 Wigner 3-j 符号导出的 Clebsch-Gordan 耦合系数。Theorem 4.1 证明该标量满足 \(I(R \cdot f) = I(f)\) 且对高阶系数的扰动产生非零响应（即可恢复嵌入信息），证明在附录 A.1。
- 设计动机：零阶 \(c_0\) 虽然天然不变但等于全局 DC 分量，改它就会肉眼可见地拉偏亮度；二阶 power spectrum 不变但是 phase-blind 的多对一映射，容量上限极低。三阶耦合是同时保留相位、保持严格不变、又不动 DC 的最低阶构造，恰好把"高容量"和"理论可证不变"两个看似冲突的目标在表示论意义上解耦。
高阶 SH 子空间写入 + 等变 backbone 注入 (Higher-Order Spectral Embedding):
- 功能：把水印写在感知最不显眼、又有足够能量参与三阶耦合的高频谐波子空间，保证视觉保真度。
- 核心思路：仅在 \(\mathcal{V}_{embed} = \bigoplus_{l \in \mathcal{L}_{embed}} \mathcal{V}_l\) (\(l > 0\)) 上操作，默认 \(\mathcal{L}_{embed} = \{6, 8, 14\}\)。先用 2 层 Gated Block 等变 backbone 提取结构化谱特征 \(u = \Phi_{eq}(c)\)，再通过 SO(3)-等变张量积 \(\Delta u = \text{TP}_{\vartheta_1}(u, w)|_{\mathcal{V}_{embed}}\) 把 32-bit 水印（作为 \(\mathcal{V}_0\) 标量特征）注入到 \(u\) 的不可约子空间，依赖 SH 基的正交性保证不污染其他频段；最后通过逆 SHT + 感知/几何掩码 \(\tilde{x} = x + M_{perc}(x) \odot M_{geo} \odot \Delta x\) 写回空域。
- 设计动机：低阶 \(l\)（如 \(\mathcal{V}_4\)）做载体鲁棒性高但低频伪影刺眼；高阶 \(l\)（如 \(\mathcal{V}_{16}\)）隐蔽但易被压缩/锯齿衰减。论文实验给出"中频组合 \(\{6,8,14\}\)"是 fidelity-robustness 甜点——既给三阶耦合足够多样性的相位，又避开易被攻击衰减的极高频带；ERP 几何掩码 \(M_{geo}\) 还专门抑制极区像素的修改幅度。
解耦的非对称编解码 + 双重等变张量积链 (Decoupled Embed-Extract via Equivariant Tensor Product Chain):
- 功能：解码端不需要对齐 / 不需要逆旋转 / 不需要先验角度估计，直接在任意旋转后的全景图上抽出与训练时数值上完全一致的不变标量来解水印。
- 核心思路：解码用两步链式张量积近似三阶 bispectrum——\(h = \text{TP}_{\vartheta_2}(\hat{u}, \hat{u})|_{\mathcal{V}_{embed}}\) 先在等变子空间做二阶耦合，\(z = \text{TP}_{\vartheta_3}(h, \hat{u})|_{\mathcal{V}_0}\) 再耦合并强行投到 trivial 表示。等价于一个参数化的 \(\text{TP}(\hat{u}, \hat{u}, \hat{u}) \to \mathcal{V}_0\)，参数 \(\vartheta_2, \vartheta_3\) 可学习地挑出"对水印最敏感"的 CG 通道；得到的不变向量进 MLP 解出 \(\hat{w}\)。整体用 \(\mathcal{L}_{total} = \lambda_m \mathcal{L}_{MSE}(x, \tilde{x}) + \lambda_{bce} \mathcal{L}_{BCE}(w, \hat{w})\) 端到端训，\(\lambda_{bce}=10\)，\(\lambda_m\) 从 1 线性升到 20。
- 设计动机：传统方法把"鲁棒性"加在数据/训练侧（augmentation），论文把鲁棒性加在架构与表示侧——只要解码端最后一步严格投到 \(\mathcal{V}_0\)，无论中间网络多复杂，输出对 SO(3) 都是严格不变；这是"零增强"也能近完美抗任意旋转的根本原因。

实验关键数据¶

主实验：通用畸变与旋转鲁棒性¶

1 万张 panoContext + SUN360 全景训练、2 千张测试，分辨率 512×1024，水印长度 32 bit，与 6 个 SOTA baseline (StegaStamp / SepMark / TrustMark / EditGuard / Robust-Wide / VINE) 对比：

方法	容量 (bit)	PSNR ↑	SSIM ↑	JPEG	Resize	Gauss Noise	Median	Mixed
StegaStamp	100	27.96	0.8986	0.973	0.812	0.961	0.879	0.978
TrustMark	100	40.83	0.9968	0.993	1.000	0.986	0.984	0.979
Robust-Wide	64	41.65	0.9921	0.997	0.998	0.989	1.000	0.992
VINE	100	36.33	0.9865	1.000	1.000	1.000	0.965	0.986
TRIAD (本文)	32	39.22	0.9946	0.978	1.000	0.975	1.000	0.984

旋转鲁棒性（图 3，按测地距离 0°–180° 均匀采轴）：所有 baseline 在不加旋转增强时 bit acc 迅速塌到接近 50% 随机；加大量旋转增强后表现仍随角度强烈震荡，无法均匀覆盖 SO(3)。TRIAD 在零增强条件下，全角度区间 bit acc 几乎全程贴在 100%。

消融实验¶

配置	PSNR / Bit Acc	关键发现
\(\mathcal{V}_{embed} = \mathcal{V}_4\) (单一低频)	高 acc / 视觉差	低频伪影刺眼，PSNR 显著下降
\(\mathcal{V}_{embed} = \mathcal{V}_{16}\) (单一高频)	高 PSNR / 低 acc	高频被压缩/抗锯齿衰减，提取退化
\(\mathcal{V}_{embed} = \mathcal{V}_6 \oplus \mathcal{V}_8 \oplus \mathcal{V}_{14}\) (本文)	39.22 / ≈100%	中频多尺度直和兼顾鲁棒性与隐蔽性
\(l_{\max}=16\), \(\{6,8,14\}\)	39.22 / 1.000	默认配置，rotation bit acc=100%
\(l_{\max}=24\), \(\{6,8,14,16,20\}\)	38.46 / 1.000	容量扩展，PSNR 略降但旋转不变性保持
\(l_{\max}=28\), \(\{6,8,14,16,20,22\}\)	37.19 / 1.000	过宽频带反而损 fidelity，确认 \(l_{\max}=16\) 为甜点
Power Spec, 2 阶, 16 bit	— / 92.4%	二阶投影 phase-blind，多对一
Power Spec, 2 阶, 32 bit	— / 61.3%	容量超 16 bit 即无法收敛
Bispectrum, 3 阶, 64 bit	— / 100%	三阶相位保留是高容量不变水印的关键

关键发现¶

三阶 bispectrum 对二阶 power spectrum 的优势是结构性的：power spectrum 是 many-to-one 的"相位盲"映射，capacity ≥ 16 bit 就训不动；bispectrum 因为保住相位，64 bit 仍可 100% 恢复。
旋转鲁棒性不是训练训出来的，而是架构保证的——decoder 最后一步硬性投到 \(\mathcal{V}_0\)，从数学上排除了"训不到的旋转角度"。
对未训过的非旋转畸变（JPEG / Resize / Noise / Blur / Median Filter）的鲁棒性也意外地强，作者从"低通衰减只会按频段平滑缩放、而 bispectral 是多系数乘积"给出代数解释，说明这是表示论结构带来的"白送"鲁棒性。

亮点与洞察¶

把鲁棒性从数据侧搬到表示侧：augmentation 是经验性、有限的；通过"嵌入在 equivariant 子空间、提取在 invariant 子空间"的非对称设计，得到对连续无穷群 SO(3) 的可证不变。这套思路立刻可以迁移到点云水印、3D Gaussian Splatting、网格水印等任何带 SO(3) 对称的几何信号。
三阶 > 二阶的论证非常硬核：power spectrum 长期是几何信号不变描述的默认选择，本文用"phase blindness 导致 capacity 上限低"作为反驳，把 bispectrum 从分子动力学/物理建模圈搬进了"信息隐藏"领域，开了一个新方向。
理论可证 + e3nn 工程实现：方法不是纯理论玩具，整套等变张量积都用 e3nn 实现，CG 系数可调可学，工程上落地非常顺。

局限与展望¶

容量受限：当前为了稳健只用中频带 \(\{6,8,14\}\)，实际 payload 卡在 64 bit；要扩到几百 bit 必须把更高频段拉进来，而高频本身脆弱，作者承认这是开放挑战。
只覆盖全局 SO(3) 不变：对局部 crop / 部分球面信号的水印仍不行（一旦切掉部分球面，三阶耦合系数 \(I\) 数值就会被破坏），作者展望未来用局部等变子群解决。
未对抗 AI 编辑攻击：实验主要在传统畸变 + 旋转，没有评估扩散模型重绘 / inpainting 等 AIGC 编辑攻击下的存活率；要真正落地 World Model 内容溯源，这块测试不可少。
没有公开 wall-clock 训练成本与 SHT 在 \(l_{\max}=16\) 时的 GPU 内存占用（512×1024 + e3nn 张量积通常并不便宜），实际部署成本有待评估。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 把表示论的 bispectrum 严肃引入数字水印领域，"高阶嵌入 + trivial 提取"的非对称架构在不变水印里属首例。
实验充分度: ⭐⭐⭐⭐ 与 6 个 SOTA 主流方法在全角度旋转、8 类畸变、3 类消融全面对比；缺 AI 编辑攻击与训练成本数据。
写作质量: ⭐⭐⭐⭐ 理论与方法叙事清晰，Theorem 4.1 给出严格证明（附录），Method 段用代数语言精准；引言略偏重应用场景宣传。
价值: ⭐⭐⭐⭐⭐ 给 SO(3) 对称几何信号的水印问题提供首个"可证不变"框架，对 VR / World Model / 具身 AI 训练数据溯源有直接落地价值，方法论也可外溢到点云 / 3DGS / 分子等等变信号。