WaterPrism

WaterPrism: 面向图像鲁棒水印的综合智能测评系统

WaterPrism 是一个面向图像鲁棒水印算法的综合测评平台。系统以 Web 界面组织数据集、水印算法、攻击方法、实验配置、运行队列和结果展示，由 FastAPI 提供后端服务，本地 Worker 执行水印嵌入、攻击、检测和质量评估任务。

正式实验推荐运行在 Linux / AutoDL。macOS 和 Windows 可用于资源查看、配置编辑、界面验收和 CPU 子集实验；部分 CUDA、3D/SHARP 或大模型依赖在本地桌面系统上可能不可用。

系统能力

• 数据集、水印算法、攻击方法的统一资源目录。
• Web 化实验配置、运行队列、Worker 心跳和运行状态监控。
• 覆盖传统失真、消费级增强、物理信道、再生成、3D 视角重渲染等攻击类型。
• 支持本地开发运行，也支持 AutoDL 单机生产式部署。
• AutoDL 部署时前端静态页面由 FastAPI 同端口托管，只需要暴露一个服务端口。

目录结构

apps/
  api/        FastAPI 后端服务
  web/        Next.js 前端，生产构建输出到 apps/web/out
  worker/     本地实验执行 Worker
evaluator/    水印算法、攻击算法和评估逻辑
scripts/      唯一服务入口、依赖初始化和维护工具
docs/         评分协议和开发规范
resources/    数据集、权重和资源元数据入口
requirements/ Python 分层依赖
runs/         运行结果、日志和实验状态

统一服务入口

三种 OS 共用同一个主入口 scripts/wmbench.py，不再由平台脚本各自实现服务生命周期：

python3 scripts/wmbench.py --profile local up
python3 scripts/wmbench.py --profile local status
python3 scripts/wmbench.py --profile local logs
python3 scripts/wmbench.py --profile local restart
python3 scripts/wmbench.py --profile local down

Windows 将 python3 换成 py -3。所有平台直接调用该入口，不再提供独立的 Shell 或 PowerShell 启停脚本。主入口支持三种运行模式：

--profile auto 是默认值：AutoDL 主机选择 autodl，其他机器选择 local。up 会按指纹增量准备依赖和生产构建；已经完成 bootstrap 时可用 up --no-bootstrap 快速启动。

配置优先级固定为：命令行参数 > 当前环境变量 > profile dotenv > 内置默认值。local、production、autodl 分别使用 .env、.env.production、.env.autodl；后两者缺失时从对应 example 自动创建。

常用参数示例：

python3 scripts/wmbench.py --profile local --api-port 8001 --web-port 3001 --device mps up
python3 scripts/wmbench.py --profile production --api-port 6006 up
python3 scripts/wmbench.py --profile autodl --skip-sharp up

生产式部署启动后，Web UI 和 API 同源，只需开放 API 端口。远程服务器推荐 SSH 隧道：

ssh -L 6006:127.0.0.1:6006 root@<server-ip>

各环境的启动命令为：

停止时将 up 换成 down。Windows 如需准确的 CPU 功耗读数，可在 .env 中设置 WM_BENCH_LHM_PATH；统一入口会自动启动 LibreHardwareMonitor，设置 WM_BENCH_SKIP_LHM=1 可关闭该行为。

依赖管理

前端统一使用 pnpm：

corepack enable
pnpm install --frozen-lockfile
pnpm --filter @wm-bench/web build

项目根目录的 package.json 声明 pnpm@10.23.0，锁文件为 pnpm-lock.yaml。项目不使用 package-lock.json。

Python 依赖由统一入口的 bootstrap/up 增量准备。分层入口如下：

• requirements.txt: API、Worker 和核心评估依赖入口
• apps/api/requirements.txt: FastAPI 服务依赖
• apps/worker/requirements.txt: Worker 基础图像处理依赖
• requirements/evaluator.txt: 评估算法运行依赖
• requirements/sharp.txt: SHARP/3D Viewpoint Re-rendering 可选重型依赖

跳过 SHARP/3D 重型依赖：

python3 scripts/wmbench.py --profile local --skip-sharp up

AutoDL 可在 .env.autodl 中设置同名变量。

资源准备

默认资源位置：

• 数据集: resources/datasets
• 模型权重: resources/weights
• 资源说明: resources/README.md
• 算法说明元数据: resources/metadata

AutoDL 默认路径见 .env.autodl.example：

• 数据集: <仓库根目录>/resources/datasets
• 权重: <仓库根目录>/resources/weights
• 运行结果: /root/autodl-tmp/wm-bench/runs
• 实验状态索引: <运行结果目录>/_experiment_state
• 日志: /root/autodl-tmp/wm-bench/runs/logs

新增数据集、权重、水印算法、攻击目录或资源元数据后，重启 API 可刷新资源目录。

内置资源清单

以下清单来自当前后端资源注册表和数据集目录配置。ID 是实验配置、API 和前端资源页使用的稳定键；真实可运行状态取决于本机是否已安装对应数据集和权重。

内置数据集 14 项：

内置水印算法 21 项：

内置攻击 43 项：

环境配置

本地开发可复制 .env.example 为 .env：

cp .env.example .env

生产式部署和 AutoDL 首次运行会分别从 .env.production.example、.env.autodl.example 生成 .env.production、.env.autodl。

常用环境变量：

APP_ENV=autodl
API_HOST=0.0.0.0
API_PORT=6006
WM_BENCH_RESOURCES_ROOT=./resources
WM_BENCH_RUNS_ROOT=/root/autodl-tmp/wm-bench/runs
WM_BENCH_DEVICE=cuda:0
NEXT_PUBLIC_API_BASE_URL=

NEXT_PUBLIC_API_BASE_URL 留空时，前端按同源 API 访问，适合 AutoDL 或反向代理部署。如果前端和 API 分开部署，需要设置为 API 公网地址，并在 WM_BENCH_CORS_ORIGINS 中加入前端 origin。

验收检查

建议按以下顺序验收：

1. 服务只由 scripts/wmbench.py 启动和关闭，不存在另一套 OS 专用生命周期实现。
2. Web UI 可以打开，API 健康检查返回正常：本地开发默认 http://127.0.0.1:8000/health，AutoDL 默认 http://127.0.0.1:6006/health。
3. 资源页可以展示内置数据集、水印算法和攻击列表，并能识别本机已安装的数据集和权重。
4. 部署前检查返回 ready，或仅在缺少可选资源时给出可解释的 WARN。
5. 前端生产构建通过。
6. 资源目录单元测试通过。
7. AutoDL 生产部署只暴露 API_PORT 一个端口，默认 6006，前端和 API 同源访问。

统一部署前检查：

python3 scripts/wmbench.py --profile autodl check

前端生产构建：

pnpm --filter @wm-bench/web build

资源目录单元测试：

python3 -m unittest apps.api.tests.test_resource_catalog

AutoDL 状态检查：

python3 scripts/wmbench.py --profile autodl status

安全说明

当前系统没有登录鉴权。不要把服务直接裸露给不可信公网用户。正式使用时优先选择 AutoDL 隧道、SSH 隧道、VPN，或带访问控制的反向代理。