Queen's University

扩散模型生成图像的来源水印此前容易被去除攻击压掉，且几乎看不出画质损失。WaveMark把水印写进扩散模型初始噪声的小波域，用密钥把每个消息比特的副本分散到不同空间位置、小波方向与尺度上，再以投影幅度编码。在SD2.1上，无攻击时比特准确率为100.0%，面对MarkNull与MarkNull-A仍保持88.66%和88.06%，高于所比较的基线。

扩散模型生成图像的来源水印此前容易被去除攻击压掉，且几乎看不出画质损失。WaveMark把水印写进扩散模型初始噪声的小波域，用密钥把每个消息比特的副本分散到不同空间位置、小波方向与尺度上，再以投影幅度编码。在SD2.1上，无攻击时比特准确率为100.0%，面对MarkNull与MarkNull-A仍保持88.66%和88.06%，高于所比较的基线。

该工作针对 Person Goal Navigation（PersonNav）问题，提出一个将接收者的距离信息与语义信息（习惯与意图）按用户提供信息的可信度加权结合的规划框架，并构建包含角色、物品与请求的合成场景基准，用于在真实部署前模拟自然语言人机交互；结果显示这种知情搜索优于经典基于距离的图基线，而仅用语义会导致无根据、零散的搜索，基于 LLM 的变体表现相当，硬件测试表明该方法可支持真实环境中的实体机器人。

该工作针对 Person Goal Navigation（PersonNav）问题，提出一个将接收者的距离信息与语义信息（习惯与意图）按用户提供信息的可信度加权结合的规划框架，并构建包含角色、物品与请求的合成场景基准，用于在真实部署前模拟自然语言人机交互；结果显示这种知情搜索优于经典基于距离的图基线，而仅用语义会导致无根据、零散的搜索，基于 LLM 的变体表现相当，硬件测试表明该方法可支持真实环境中的实体机器人。