VideoSeal：先进的开源视频隐藏水印嵌入与提取工具，保护视频版权

综合介绍

VideoSeal是由Facebook Research开发的开源视频水印工具，旨在提供高效的视频水印嵌入与提取功能。该工具支持最新的开源模型，包含预训练模型、训练代码、推理代码和评估工具，全部在MIT许可下发布。VideoSeal不仅支持视频水印，还适用于图像水印，提供了多种基准模型（如MBRS、CIN、TrustMark和WAM）以供使用、修改和分发。该工具的设计目标是为用户提供一个灵活且高效的视频保护解决方案。

体验地址：https://aidemos.meta.com/videoseal/demo

功能列表

• 视频水印嵌入：将水印嵌入到视频中，保护视频版权。
• 视频水印提取：从视频中提取嵌入的水印信息。
• 图像水印嵌入：支持将水印嵌入到图像中。
• 图像水印提取：从图像中提取嵌入的水印信息。
• 预训练模型：提供多种预训练模型，用户可以直接使用。
• 训练代码：提供完整的训练代码，用户可以根据需要训练自己的模型。
• 推理代码：提供推理代码，方便用户进行水印嵌入与提取操作。
• 评估工具：提供评估工具，帮助用户评估水印嵌入与提取的效果。

使用帮助

安装流程

1. 安装Python：确保系统中安装了Python 3.10版本。
2. 安装PyTorch：使用以下命令安装PyTorch及其依赖项：

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

3. 安装VideoSeal：克隆VideoSeal仓库并安装依赖项：

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

4. 安装Decord（可选）：用于视频处理的库，推荐安装：

   pip install decord

使用流程

视频水印嵌入

1. 加载视频：使用torchvision加载并归一化视频：

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

2. 加载模型：加载VideoSeal模型：

   model = videoseal.load("videoseal")

3. 嵌入水印：将水印嵌入视频：

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

视频水印提取

1. 提取水印信息：从水印视频中提取嵌入的信息：

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

图像水印嵌入与提取

1. 加载图像：加载并归一化图像：

   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)

其他功能

• 预训练模型下载：模型会通过Hugging Face自动下载，也可以手动下载并更新模型路径。
• 基准模型下载：提供下载指南，用户需手动下载第三方模型。
• VMAF评估：提供VMAF安装和使用指南，帮助用户评估视频质量。