VideoSeal: Hochentwickeltes Open-Source-Tool zum Einbetten und Extrahieren von versteckten Wasserzeichen zum Schutz von Videocopyrights

Allgemeine Einführung

VideoSeal ist ein von Facebook Research entwickeltes Open-Source-Tool für die Einbettung und Extraktion von Wasserzeichen in Videos. VideoSeal unterstützt nicht nur Video-Wasserzeichen, sondern eignet sich auch für Bild-Wasserzeichen und bietet eine Vielzahl von Benchmark-Modellen (z. B. MBRS, CIN, TrustMark und WAM) für die Verwendung, Änderung und Verteilung. Das Tool wurde mit dem Ziel entwickelt, den Benutzern eine flexible und effiziente Lösung zum Schutz von Videos zu bieten.

Erfahrung: https://aidemos.meta.com/videoseal/demo

Funktionsliste

• Video-Wasserzeichen einbettenWasserzeichen in Videos einbetten, um die Urheberrechte an Videos zu schützen.
• Extraktion von Video-WasserzeichenExtrahieren Sie die eingebetteten Wasserzeicheninformationen aus dem Video.
• Einbettung eines Wasserzeichens in ein BildUnterstützung für das Einbetten von Wasserzeichen in Bilder.
• Extraktion von BildwasserzeichenExtrahieren Sie die eingebetteten Wasserzeicheninformationen aus dem Bild.
• Pre-Training ModellEine breite Palette von vortrainierten Modellen steht zur Verfügung, die vom Benutzer direkt verwendet werden können.
• Ausbildung CodeVollständiger Trainingscode wird zur Verfügung gestellt, damit die Benutzer ihre eigenen Modelle nach Bedarf trainieren können.
• BegründungscodeBereitstellung von Inferenzcode zur Erleichterung von Einbettungs- und Extraktionsvorgängen für Wasserzeichen.
• BewertungsinstrumenteBereitstellung von Evaluierungswerkzeugen, die den Benutzern helfen, die Effektivität der Einbettung und Extraktion von Wasserzeichen zu bewerten.

Hilfe verwenden

Ablauf der Installation

1. Installation von PythonStellen Sie sicher, dass Python Version 3.10 auf Ihrem System installiert ist.
2. Installation von PyTorch: Installieren Sie PyTorch und seine Abhängigkeiten mit den folgenden Befehlen:

   pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

3. VideoSeal installierenKlonen Sie das VideoSeal-Repository und installieren Sie die Abhängigkeiten:

   git clone https://github.com/facebookresearch/videoseal.git
cd videoseal
pip install -e .

4. Installation von Decord (optional)Bibliothek für Videoverarbeitung, empfohlene Installation:

   pip install decord

Verwendung Prozess

Video-Wasserzeichen einbetten

1. Video ladenTorchvision verwenden, um das Video zu laden und zu normalisieren:

   torchvision importieren
importieren videoseal
from videoseal.evals.metrics import bit_accuracy
video_pfad = "assets/videos/1.mp4"
video = torchvision.io.read_video(video_pfad, output_format="TCHW")
video = video.float() / 255.0

2. Modelle ladenLaden Sie das VideoSeal-Modell:

   model = videoseal.load("videoseal")

3. Eingebettete WasserzeichenEinbetten des Wasserzeichens in das Video:

   outputs = model.embed(video, is_video=True)
video_w = outputs["imgs_w"]
msgs = outputs["msgs"]

Extraktion von Video-Wasserzeichen

1. Wasserzeicheninformationen extrahierenExtrahieren eingebetteter Informationen aus mit Wasserzeichen versehenen Videos:

   msg_extracted = model.extract_message(video_w, aggregation="avg", is_video=True)

Einbettung und Extraktion von Bildwasserzeichen

1. Bild ladenLaden und Normalisieren des Bildes:

   img = video[0:1]
outputs = model.embed(img, is_video=False)
img_w = outputs["imgs_w"]
msg_extracted = model.extract_message(img_w, aggregation="avg", is_video=False)

Andere Funktionen

• Download des Pre-TrainingsmodellsModelle werden automatisch über Hugging Face heruntergeladen, oder Sie können den Modellpfad manuell herunterladen und aktualisieren.
• Benchmark-Modell herunterladenEs wird eine Download-Anleitung bereitgestellt, und der Benutzer muss das Drittanbieter-Modell manuell herunterladen.
• VMAF-BewertungEin VMAF-Installations- und Benutzerhandbuch wird bereitgestellt, um den Benutzern bei der Beurteilung der Videoqualität zu helfen.