扩散模型生成图像的起点，是一个从标准正态分布中采样出来的纯随机隐变量。这套方法论的核心原理是不改变噪声的，只篡改其内部的。：保留真实高斯噪声绝对值的大小 |y_i|，这构成了高斯分布完美的“钟形曲线”骨架：将正负号替换为由密码学算法生成的伪随机纠错码（PRC）码字c_i（由 +1和 -1组成）。：构建出带有水印的初始隐变量 z^(T)_i = c_i · |y_i|，并将其送入正常的图像生成流程。

如果一张图只有一小部分是 AI 生成的（带有水印），那整张图算不算有水印？传统方法只能给出一个“是”或“否”的全局答案，这不够精准，可能会误伤那些只用 AI 修补了一小块画面的艺术家。

随着扩散模型的成功，不可避免的引发了对未经授权的新担忧。因为扩散模型要想效果好，必须海量的依赖数据。但这引发了严重的版权危机，许多数据是未经过授权获取的。

在勘探阶段中，f的值较大，然后在开发阶段f迅速减小，收敛阶段时，f趋于零。由于PSO在最优点转移时的表现良好，我们认为PSO具有优秀的转移能力，即跳出局部最优能力，因此设计了ESE方法帮助PSO判断当前情况，并作出对应策略。跳出阶段，全局最佳粒子从局部最优跳跃到更好的最优时，很可能远离拥挤的粒子群，这时候一个相对较大的c2值和一个相对较小的c1值是有帮助的。当前状态被判断为收敛状态时，需要一个强有