실시간 렌더링 환경에서 워터마킹의 이미지 화질 성능 비교 분석
Copyright ⓒ 2025 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
초록
본 연구는 유니티 URP(Universal Render Pipeline) 환경에서 컴퓨트 셰이더를 사용하여 전통적 워터마킹 기법인 LSB(Least Significant Bit), DCT(Discrete Cosine Transform), DWT(Discrete Wavelet Transform)를 최종 렌더링 단계에 통합하고, 워터마크 적용 빈도와 강도에 따른 렌더링 성능(프레임률) 및 이미지 화질(PSNR(Peak Signal-to-Noise Ratio), SSIM(Structural Similarity Index Measure), MSE(Mean Squared Error)) 변화를 정량적으로 분석했다. 분석 결과, 매 프레임 처리 방식에 비해 간헐적으로 워터마크를 적용할 때 시스템 성능 저하가 크게 완화됨을 확인하였다. 본 연구는 이처럼 실시간 렌더링 파이프라인과 워터마킹 처리를 결합한 시스템적 접근을 통해, 연산 부하와 시각적 충실도 간의 균형점을 분석함으로써 실시간 워터마킹 적용을 위한 기초 자료를 제시한다.
Abstract
This study presents a performance analysis of traditional watermarking techniques—least significant bit (LSB), discrete cosine transform (DCT), and discrete wavelet transform (DWT)—when integrated into the final rendering stage of Unity’s Universal Render Pipeline (URP) using compute shaders. We evaluated their impact on rendering performance (measured by frame rate) and image quality, which was assessed using peak signal-to-noise ratio (PSNR), structural similarity index measure (SSIM), and mean squared error (MSE). This research introduces a systematic approach that couples the watermarking process with the real-time rendering pipeline. By experimenting with the frequency of watermark application, we quantitatively analyzed the trade-offs among performance, image quality, and watermark robustness for the LSB, DCT, and DWT methods. The results demonstrate that intermittent watermarking significantly mitigates performance degradation compared to a conventional per-frame processing approach. Consequently, this study provides foundational data for implementing real-time watermarking solutions that effectively balance computational load and visual fidelity.
Keywords:
Real-Time Rendering, Watermarking, Discrete Wavelet Transform, Discrete Cosine Transform, Least Significant Bit키워드:
실시간 렌더링, 워터마킹, 이산 웨이블릿 변환, 이산 코사인 변환, 최하위 비트Ⅰ. 서 론
디지털 콘텐츠의 생산과 소비가 기하급수적으로 증가함에 따라 콘텐츠의 지적 재산권을 보호하고 무단 복제 및 변형을 방지하는 것이 매우 중요하다[1]. 특히 게임과 같은 실시간 상호작용형 콘텐츠는 디지털 특성상 복제 및 배포가 용이하고, 다양한 형태의 변형이 발생할 수 있어 효과적인 콘텐츠 보호 기술의 적용이 필수적이다[2],[3]. 이러한 배경에서 디지털 워터마킹 기술은 콘텐츠에 소유권 및 유통 정보를 삽입하여 저작권을 보호하고 불법 사용을 추적하는 주요 수단으로 주목받고 있다[4],[5].
디지털 워터마킹은 원본 콘텐츠의 인지 가능한 품질 저하 없이 부가 정보를 삽입하는 비가시적(Invisible) 워터마킹을 주로 사용하며, 워터마크 추출 시 원본 콘텐츠가 필요 없는 블라인드(Blind) 워터마킹 방식이 다양한 응용 분야에서 선호된다[6]-[8]. 워터마크 삽입 방식에 따라 공간 영역(Spatial Domain) 워터마킹과 변환 영역(Transform Domain) 워터마킹으로 크게 분류된다[4],[9]. 공간 영역 워터마킹은 픽셀 값 자체를 수정하는 LSB(Least Significant Bit) 기법이 대표적이며, 변환 영역 워터마킹은 이미지를 주파수 영역 등으로 변환한 후 계수 값을 수정하는 DCT(Discrete Cosine Transform) 또는 DWT(Discrete Wavelet Transform) 기반 기법들이 널리 연구되고 있다[9]-[13]. 이러한 변환 영역 기법들은 HVS( Human Visual System)의 특성을 활용하여 워터마크의 비가시성과 외부 공격에 대한 견고성(Robustness)을 확보하려는 장점이 있다[14].
기존 워터마킹 연구들이 주로 이미지나 동영상에 대한 기법 개발 및 견고성 평가에 집중하는 경향이 있는 반면, 게임과 같은 실시간 환경에서는 워터마킹 적용이 FPS(Frames Per Second) 및 CPU(Central Process Unit)/GPU(Graphic Process Unit) 처리 속도와 같은 실시간 성능에 미치는 직접적인 영향이 사용자 경험에 매우 중요하다[5],[15],[16]. 실제로 사용자들은 높은 화질을 가졌지만 FPS이 낮은 것보다 낮은 화질을 가졌지만 FPS이 높은 것을 선호한다는 연구 결과가 있다[16]. 실시간 렌더링 환경에서 워터마킹을 적용하려면 렌더링 성능에 미치는 영향을 최소화해야 하며, 이를 위해 GPU를 활용한 효율적인 병렬 처리가 요구된다[15]. 또한 기존 워터마킹 연구가 ‘견고성’에 치우쳐 있어 실시간의 ‘성능 부하’를 고려한 연구가 부족하며 연구가 필요하다.
따라서 본 연구는 Unity URP(Universal Render Pipeline) 환경의 최종 렌더 타겟에 LSB, DCT, DWT 기반의 블라인드 워터마킹 기법들을 컴퓨트 셰이더를 통해 통합하고, 이러한 시스템적 통합 환경에서 각 워터마킹 기법이 실시간 렌더링 성능(프레임률, CPU/GPU 부하) 및 최종 이미지 화질(PSNR(Peak Signal-to-Noise Ratio), SSIM(Structural Similarity Index Measure), MSE(Mean Squared Error))에 미치는 특성을 정량적으로 분석하는 것을 목표로 한다.
이를 통해 워터마크 삽입으로 인한 성능 저하를 분석하고, 워터마킹 강도가 이미지 화질에 미치는 영향을 정량적으로 파악함으로써 성능과 화질 간의 트레이드오프 관계를 명확히 이해하고, 실시간 환경에 적합한 워터마킹 전략 수립을 위한 기초 자료를 마련하고자 한다[17]-[19].
본 논문은 Unity URP 환경에서 최종 렌더링 화면에 LSB, DCT, DWT 기법을 개별적으로 구현하고, 각 기법의 적용 빈도(매 프레임, 초당 0.02초, 초당 0.1초, 초당 0.5초 간격) 및 워터마킹 강도(복호화 가능 최저 강도 기준부터 최대 1까지) 변화에 따른 성능(FPS, CPU/GPU 사용량) 및 화질(PSNR, SSIM, MSE) 특성을 실증적으로 분석 및 비교한다. 이를 통해 실시간 렌더링 환경에 최적화된 워터마킹 기법 선택 및 적용 방안 모색에 기여하고, 게임 콘텐츠 보안 기술 발전에 학술적 근거를 제시하고자 한다.
본 논문은 2장에서는 디지털 워터마킹의 이론적 배경 및 관련 연구를 기술한다. 3장에서는 본 연구의 실험 환경 설정, 워터마킹 구현 상세, 실험 변인 정의, 실험 절차 및 데이터 분석 방법을 기술합니다. 4장에서는 실험 결과를 제시하고, 분석 및 토의하며, 5장에서는 연구의 결론과 한계점을 도출하고, 향후 연구 방향을 제시한다.
Ⅱ. 디지털 워터마킹의 이론적 배경 및 관련 연구
2-1 디지털 워터마킹 기술 이론
디지털 워터마킹은 디지털 콘텐츠의 소유권 확인 및 불법 복제 추적을 목적으로 콘텐츠 내에 비밀 정보를 삽입하는 기술이다[1],[6]. 워터마크 삽입이 수행되는 도메인에 따라 공간 영역 기법과 변환 영역 기법으로 분류될 수 있다[5],[10].
이 기법은 이미지 데이터 자체, 즉 픽셀 값에 직접적으로 워터마크 정보를 삽입한다[2],[10]. 구현이 직관적이고 계산량이 적어 처리 속도가 빠르다는 장점이 있다. 하지만 이미지의 미세한 픽셀 값 변화에 직접적으로 워터마크가 삽입되기 때문에, 이미지 압축, 필터링, 노이즈 삽입 등과 같이 픽셀 값에 변화를 주는 공격에 취약하다는 근본적인 한계를 지닌다[11],[19]. 공간 영역 워터마킹의 가장 대표적인 방식으로는 LSB(Least Significant Bit) 워터마킹이 있다[4],[10].
• LSB(Least Significant Bit)
이미지 픽셀 값의 최하위 비트를 워터마크 비트로 대체하는 단순한 방식이며 시간 복잡도는 O(n)이다[10],[11]. 계산 효율성이 높고 구현이 용이하다는 장점이 있으나, 이미지 압축, 필터링, 노이즈 삽입 등 이미지 데이터의 하위 비트에 변화를 주는 공격에 매우 취약하다는 근본적인 한계를 지닌다[11],[19].
다양한 연구들에서도 LSB 워터마킹이 이러한 기본적인 이미지 처리 및 공격에 대해 낮은 견고성을 보임을 실험적으로 확인하고 있다[10],[19]. 이러한 취약성 때문에 LSB 워터마킹 단독으로는 강건한(robust) 워터마킹 응용에는 제한적이며, 보안 수준이 높지 않거나 워터마크 제거 공격이 예상되지 않는 환경에 주로 적용된다[9].
본 연구에서 LSB 기법을 분석 대상으로 포함하는 것은, 변환 영역 기법과의 성능 및 화질 비교를 통해 실시간 게임 환경에서 LSB 기법이 어느 정도의 성능 부하와 화질을 가지는지 평가하기 위함이다.
이미지를 특정 변환을 통해 주파수 또는 웨이블릿 계수 등으로 표현한 후, 변환 계수를 수정하여 워터마크를 삽입한다[14].
대표적인 예로, DCT, DWT가 있다. 변환 영역 워터마킹은 이미지 압축, 노이즈 추가, 필터링 등 다양한 공격에 대해 공간 영역 기법보다 강인한 특성을 보인다[20].
• DCT(Discrete Cosine Transform)
이미지를 코사인 함수 집합의 선형 조합으로 표현하며, 에너지 압축률이 우수하여 이미지 압축 표준(예: JPEG)에 널리 사용된다[12],[17],[20]-[24]. DCT는 여러 가지 형태가 존재하나, 이미지 처리 및 압축 분야에서 가장 일반적으로 활용되는 것은 Type 2 DCT이다[20]. Type 2 DCT는 이미지의 대부분의 에너지를 소수의 저주파 계수(변환 결과 행렬의 좌상단)에 집중시키는 특성이 뛰어나며 시간 복잡도는 차원 당 O(n)이다[20],[24]. 이러한 특성은 데이터 압축에 유리하며, 워터마킹 기법에서는 이미지의 중요 정보가 집중된 저주파 대역이나 그 인접한 중간 주파수 대역의 계수를 수정함으로써 워터마크의 견고성을 확보하는 데 활용된다[5],[15],[20]-[22],[25].
본 연구에서는 DCT Type 2를 활용하며, Spread Spectrum 기법을 결합하여 워터마크의 견고성을 증대시킨다[5],[15].
• DWT(Discrete Wavelet Transform)
이미지를 다양한 해상도 및 주파수 대역으로 다단계 분해하는 기법이다[15],[17],[20],[21],[23],[26]-[28]. DWT는 다양한 형태의 ‘웨이블릿 함수(wavelet function)’ 집합을 기저로 사용하여 이미지 데이터를 표현하는데, 각 웨이블릿 함수는 특정 스케일과 방향에서 이미지의 지역적 특징을 추출하는 데 효과적이다[23],[29]. Haar 웨이블릿은 가장 단순하고 오래된 형태의 웨이블릿으로, 불연속적인 계단 형태의 함수로 구성되며 시간 복잡도는 차원당 O(n)이다[28],[29]. DWT는 2D 이미지를 수평 및 수직 방향으로 저주파 필터와 고주파 필터에 통과시켜 LL(Low-Low), LH(Low-High), HL(High-Low), HH(High-High) 4개의 부대역으로 분해하며, 각 부대역은 필터 조합에 따라 다음과 같은 의미를 가진다[13],[17].
LL은 가로세로 방향 모두 저주파 성분으로 구성되며, 원본 이미지의 전반적인 개요 또는 근사치 정보를 담는다. LH는 가로 방향은 저주파, 세로 방향은 고주파 성분으로 이미지의 수평 방향 경계 정보를 포함한다. HL은 가로 방향은 고주파, 세로 방향은 저주파 성분으로, 이미지의 수직 방향 경계 정보를 나타낸다. 마지막으로 HH는 가로세로 모두 고주파 성분으로 구성되며 이미지의 대각선 방향 경계 정보를 담는다.
DWT는 이미지의 공간적 지역성을 잘 반영하며, JPEG2000 압축 표준의 근간을 이룬다[17],[23],[26],[28],[29].
본 연구에서는 이러한 Haar 웨이블릿과 워터마크 신호를 HH에 넣으며 넓은 주파수 대역에 분산시키는 Spread Spectrum 기법을 결합하여 사용한다[5],[15].
• Spread Spectrum
워터마크 신호를 넓은 주파수 범위에 걸쳐 분산시켜 삽입하는 방식이다[5],[15]. 이는 낮은 에너지로도 신호를 삽입할 수 있게 하며, 신호가 다양한 잡음 및 공격에 대해 견고성을 갖도록 한다[5].
2-2 실시간 및 게임 환경 워터마킹 연구 동향
실시간성 및 상호작용성이 중요한 게임 콘텐츠의 특성은 기존 이미지 워터마킹 기법을 직접 적용하는 데 제약을 야기한다[2],[8]. 실시간으로 워터마킹을 삽입해야하며 워터마킹 삽입을 제외한 나머지 연산도 매 프레임마다 처리를 해야하기 때문이다. 그렇기에 게임 환경에서의 워터마킹은 최종 화면에 삽입하는 방식 보다는 게임 리소스(예: 3D 모델, 텍스처 등)에 미리 삽입하는 방식이 많다[3],[4]. 게임 리소스 워터마킹은 3D 모델의 기하 구조의 일부를 변경하거나 텍스처 포맷(예: DDS(DirectDraw Surface))에 공간 영역 워터마킹 기법인 패치워크 기법을 합성하는 등의 방식을 사용했다[3],[4],[8].
2-3 이미지 화질 평가 지표
워터마킹으로 인한 원본 콘텐츠의 품질 변화는 중요한 평가 요소이다[4],[7]. 본 연구에서는 워터마크 삽입 전후 이미지의 화질을 객관적으로 평가하기 위해 다음의 세 가지 지표를 사용한다.
• MSE(Mean Squared Error)
원본 이미지와 워터마크가 삽입된 이미지 간 픽셀 값 차이의 제곱 평균이다[17],[18]. 값이 낮을수록 원본과 차이가 적음을 의미하며, 후술할 PSNR 계산의 기초가 된다. MSE의 수식은 수식 1과 같다.
| (1) |
여기서 I는 원본 이미지, K는 워터마크 삽입 이미지, MN는 이미지 크기이다.
• PSNR(Peak Signal-to-Noise Ratio)
원본 이미지와 워터마크가 삽입된 이미지 간의 평균 제곱 오차(MSE)에 기반한 지표이다[17],[18]. 값이 높을수록 화질 손상이 적어 원본과 유사함을 나타낸다[17]. PSNR의 수식은 수식 2와 같다.
| (2) |
여기서 MAXI는 픽셀 값의 최댓값이다. 30 dB 이상일 경우 양호하다고 판단하며 40 dB 이상일 경우 원본과 구분하기 힘들 정도로 정교하다고 판단한다.
• SSIM(Structural Similarity Index Measure)
SSIM은 HVS의 인지적 특성을 보다 잘 활용하는 화질 평가 지표이다[17],[18]. SSIM 지수는 이미지의 밝기(Luminance), 대비(Contrast), 구조(Structure)의 세 가지 주요 요소를 비교하여 두 이미지 간의 구조적 유사성을 평가한다[18]. 원본 이미지 x와 워터마크가 삽입된 이미지 y 간의 SSIM 지수 계산에 사용되는 일반적인 수식은 아래의 수식 3과 같다.
| (3) |
여기서 μx와 μy는 각각 이미지 x와 y의 국부적 평균, σx 와 σy는 국부적 표준 편차, σxy는 국부적 공분산을 나타낸다. C1, C2는 분모가 0이 되는 것을 방지하기 위한 작은 상수이다[18]. SSIM 값은 0과 1 사이이며, 1에 가까울수록 원본 이미지와 구조적으로 유사하여 화질 보존이 잘 되었음을 의미한다. 값이 0.95 이상일 경우 양호하다고 판단하며 0.98 이상일 경우 원본과 구분하기 힘들 정도로 유사하다고 판단한다.
Ⅲ. 실험 설계
본 연구에서 제안하는 Unity URP 환경에서의 실시간 워터마킹 기법 분석을 위한 실험 환경 설정, 워터마킹 기법 구현 상세, 실험 변인 정의, 실험 절차 및 데이터 분석 방법은 다음과 같다.
3-1 실험 환경
실험에 사용한 하드웨어 및 소프트웨어 환경은 표 1과 같다.
Experimental hardware specifications and software environment
3-2 워터마킹 기법 구현
본 연구에서 분석 대상으로 하는 LSB, DCT, DWT 워터마킹 기법은 Unity URP 렌더링 파이프라인 내에 커스텀 Render Pass 형태로 구현되었다. 이는 Post-Processing 이후의 최종 렌더 타겟에 직접 접근하여 컴퓨트 셰이더를 통해 GPU 상에서 실시간으로 워터마크 삽입 연산을 수행하도록 설계되었다. 그림 1은 제안하는 워터마킹 방법이 렌더링 파이프라인 상에서 위치하는 방식을 개념적으로 보여준다. 본 연구에서 '실시간'이란 게임 엔진의 렌더링 루프(Rendering Loop)와 동기화되어 매 프레임 또는 지정된 주기마다 워터마크 삽입 연산이 수행되는 것을 의미한다.
Watermarking pipeline
• LSB 워터마킹
최종 렌더 텍스처의 픽셀 컬러 채널(R, G, B) 중 Blue의 최하위 비트를 미리 정해진 워터마크 비트 시퀀스로 대체하는 방식으로 구현되었다.
• DCT(Type 2) + Spread Spectrum 워터마킹
최종 렌더 텍스처 이미지를 특정 크기(N×N)의 블록으로 분할하고, 각 블록에 대해 2D DCT Type 2 변환을 적용한다. 본 연구에서는 DCT에서 가장 많이 쓰는 8*8로 블록을 분할한다. 변환된 주파수 계수 중 워터마크 삽입에 사용될 대역의 계수에 비밀 키 기반의 의사 난수 시퀀스와 워터마크 신호를 결합하여 추가한다. Spread Spectrum 기법의 적용은 워터마크의 견고성 확보를 목적으로 한다[5],[15]. 블록의 (0,0) 픽셀은 DC(Direct Current) 계수이기에 Spread Spectrum 계수를 가질 수 있는 AC(Alternating Current) 계수는 최대 63개이다. 또한 기법을 위해 구현한 코드는 그림 2와 같다. 그림 2의 코드를 행과 열에 각각 적용하여 2차원으로 변환을 시행한다.
DCT code
• DWT(Haar) + Spread Spectrum 워터마킹
최종 렌더 텍스처 이미지에 대해 2D Haar 웨이블릿 변환을 적용하여 LL, LH, HL, HH 부대역으로 분해한다[13],[17]. 본 실험에서는 DWT에서 가장 많이 사용하는 8*8로 블록을 분해했으므로 각 부대역의 크기는 블록 사이즈의 절반, 즉 4*4이다. 워터마크 삽입에 사용될 상세 부대역의 계수에 비밀 키 기반 의사 난수 시퀀스와 워터마크 신호를 결합하여 추가한다. 본 연구에서는 계산 부하를 줄이기 위해 HH 부대역에만 워터마크 신호를 추가했다. Spread Spectrum 기법을 통해 워터마크의 견고성을 확보한다[5],[15]. HH 부대역의 사이즈가 16이기 때문에 Spread Spectrum 계수 또한 16이다. 구현한 코드는 그림3과 같다. DCT와 마찬가지로 그림 3의 코드를 행과 열에 각각 적용하여 2차원 변환을 시행한다.
DWT code
워터마크 삽입 강도는 워터마크가 복호화 가능한 최소 강도(추출 과정에서 삽입 정보가 의미 있게 복원되는 최저 강도)를 기준으로 최대 1.0까지 여러 단계로 조절하여 분석한다. 강도 조절은 LSB의 경우 최하위 비트만 건들기 때문에 해당하지 않으며, DCT/DWT의 경우 워터마킹 강도 조절, Spread Spectrum 신호 크기 조절을 통해 이루어진다.
3-3 실험 변인 정의
실험의 독립 변인과 종속 변인은 표2와 같다. 표2의 활성 시간(Active Time)이란 1초에 몇 초 동안 워터마킹을 활성화를 하였나를 뜻한다. 즉, 적용 시간이 0.02초라면 1초 동안 워터마킹을 0.02초 동안 활성화 후, 0.98초 동안 비활성화하는 것을 뜻한다. 최소 적용 시간으로 0.02초를 설정한 이유는 비디오나 게임에서 가장 많이 쓰는 60 FPS 환경에서 1 FPS는 0.0167초이기 때문이다[16].
Definition of experimental variables
3-4 실험 절차
실험은 다음과 같은 절차에 따라 진행된다.
지정된 하드웨어 및 소프트웨어 환경을 구축하고 Unity URP 프로젝트를 생성한다. 각 워터마킹 기법 구현 코드를 포함하는 Custom Render Pass를 랜더 파이프라인에 추가한다.
워터마킹 기법의 성능 및 화질 영향 측정을 위한 Unity 씬을 준비한다. 본 논문에서는 워터마킹이 없는 원본과 실시간 워터마킹 기법 간의 성능을 비교를 위해 테스트 씬은 간단한 오브젝트로만 만들었다. 그림 4는 본 실험에서 사용한 테스트 씬의 이미지이다.
Test scene
각 워터마킹 기법(LSB, DCT, DWT)별로 4가지 적용 빈도 조건(매 프레임, 초당 0.02초 동안 적용, 초당 0.1초 동안 적용, 초당 0.5초 동안 적용)을 설정하여 테스트 씬에서 60초 동안 실행한다. Unity Profiler를 사용하여 해당 시간 동안의 평균 FPS, 평균 CPU 처리 속도, 평균 GPU 처리 속도를 측정한 후, 각 조건 별로 5회씩 반복하여 평균값을 기록한다. 워터마킹이 적용되지 않은 상태의 성능 또한 동일한 방식으로 측정하여 성능 변화량 계산에 활용한다. 성능 측정 실험에 사용한 해상도는 1920*1080 해상도인 FHD(Full High-Definition)과 3840 * 2160 해상도인 4K UHD(Ultra High-Definition)를 사용했다.
각 워터마킹 기법(LSB, DCT, DWT)별로 워터마킹 강도, Spread Spectrum 계수(DCT, DWT)를 설정하며 워터마킹의 최저 강도는 복호화 가능한 최소 워터마킹 강도를 기준으로 한다. 테스트 씬 실행 중 워터마킹 실행 전 텍스쳐 이미지와 워터마킹 실행 후 텍스쳐 이미지를 각각 저장한다. 저장된 원본 이미지와 적용된 이미지를 대상으로 Python의 Scikit-image와 Numpy를 통해서 PSNR, SSIM, MSE 값을 계산한다. 이미지 화질 측정 실험에 사용된 원본 이미지와 결과 이미지의 해상도는 FHD 해상도를 사용하였다.
수집된 성능 및 화질 데이터를 정량적으로 분석하고 통계 처리를 수행한다. 워터마킹 기법, 적용 빈도, 워터마킹 강도, Spread Spectrum 계수에 따른 성능 및 화질 지표의 변화 추이를 그래프 또는 표 형태로 시각화하여 제시하고 비교 분석한다.
Ⅳ. 실험 결과 및 성능 분석
1) 성능 실험 결과
성능 실험 결과에 관한 데이터는 FHD의 경우, 표 3, 그림 4와 같으며, 4K의 경우, 표 4, 그림 5와 같다. 워터마킹 강도는 연산 성능에 영향을 주지 않으므로 성능 데이터 표와 성능 그래프에서 제외하였다.
FHD performance test result table
4K performance test result table
FHD performance test result graph
표 3은 전체적인 FHD에서의 성능 결과를 보여주며, 그림 5의 (a)는 FHD에서 1프레임당 소요되는 평균 CPU 처리 속도를 나타내며 (b)는 FHD에서 1프레임당 소요되는 평균 GPU 처리 속도를 나타낸다. 또한 (c)는 FHD에서의 FPS를 나타낸다. 표 4는 전체적인 4K에서의 성능 결과를 보여주며, 그림 6의 (a), (b), (c)는 각각 4K에서 1프레임당 소요되는 평균 CPU 처리 속도, 4K에서 1프레임당 소요되는 평균 GPU 처리 속도, 4K에서의 FPS를 나타낸다.
4K performance test result graph
제시된 성능 측정 결과는 워터마킹 기법의 실시간 적용 빈도가 시스템 성능에 미치는 영향을 명확하게 보여준다. 이 실험에서 가장 중요한 결과 지표는 FPS이며 CPU Main Thread 평균 시간 및 GPU Frame 평균 시간 중 느린 처리 속도에 맞춰 프레임이 생성된다.
분석 대상 워터마킹 기법(LSB, DCT, DWT) 및 해상도(FHD, 4K)와 관계없이 일관된 경향이 관찰된다. 해상도와 기법에 상관없이 그림 5, 그림 6의 모든 그래프에서 ‘Active Time’ 값이 증가할수록 CPU Main Thread 평균 시간 및 GPU Frame 평균 시간이 증가하고, 평균 FPS는 선형적으로 감소하는 것을 확인할 수 있다. 이는 워터마킹이 활성화되어 있는 시간이 늘어날수록 실시간 렌더링 성능에 직접적인 부하를 가함을 의미한다.
그래프에서 ‘Active Time’ 0.02초 지점은 1초 동안 워터마킹을 0.02초(약 1/60 FPS)만 활성화했을 때의 성능을 나타낸다. 이 지점에서 CPU Main Thread 평균 시간, GPU Frame 평균 시간 증가 및 평균 FPS 감소가 Baseline (워터마킹 미적용 상태) 대비 매우 미미하거나 낮은 수준으로 나타난다.
해상도가 FHD(1920*1080)에서 매 프레임 워터마킹을 활성화한다면 Baseline 기준으로 LSB의 경우 0.09ms, DCT(Coeff 63)의 경우 1ms, DWT(Coeff 16)의 경우 0.6ms의 큰 오버헤드를 일으킨다. 또한 해상도가 4K(3840*2160)에서 매 프레임 워터마킹을 활성화하면 LSB의 경우 0.51ms, DCT(Coeff 63)의 경우 4.61ms, DWT(Coeff 16)의 경우 2.92ms의 오버헤드를 일으킨다.
하지만 0.02초만 워터마킹을 활성화한다면 Baseline 기준으로 LSB의 경우 0.08초, DCT(Coeff 63)의 경우 0.09ms, DWT(Coeff 16)의 경우 0.08ms의 매우 짧은 오버헤드를 일으킨다. 4K(3840*2160)에서는 0.02초만 워터마킹을 활성화한다면 Baseline 기준으로 LSB는 0.01ms 이하, DCT(Coeff 16)는 0.02ms, DWT는 0.02ms의 매우 짧은 오버헤드를 일으킨다. 이는 1초라는 시간 총량 안에서 워터마킹이 단 0.02초 동안만 활성화된다면, 그 연산이 복잡하든 아니든 전체적인 실시간 렌더링 성능에 미치는 오버헤드가 매우 적음을 시사한다.
기법별로는 LSB가 가장 낮은 성능 부하를 보였지만 2장에서 연구 배경에서 서술했듯이 LSB와 같은 공간 영역 워터마킹은 DCT, DWT와 같은 변환 영역 기법에 비해 견고성이 매우 낮아 공격에 취약하므로 주의가 필요하다. 뒤이어 DWT, DCT 순으로 성능 부하가 낮았지만, DCT의 경우, Spread Spectrum 계수에 따라 성능 부하가 크게 차이가 없었고 DWT는 Spread Spectrum 계수 개수가 증가할수록 성능 부하가 커지는 경향을 표 3와 표 4의 데이터로부터 확인할 수 있다.
2) 이미지 화질 실험 결과
LSB의 화질 데이터와 워터마킹 강도 및 Spread Spectrum 계수에 따른 DCT, DWT의 화질 데이터는 표 5, DCT와 DWT의 워터마킹 강도 및 Spread Spectrum 계수에 따른 PSNR 그래프는 그림 6의 (a), DCT와 DWT의 워터마킹 강도 및 Spread Spectrum 계수에 따른 SSIM 그래프는 그림 6의 (b), DCT와 DWT의 워터마킹 강도 및 Spread Spectrum 계수에 따른 MSE 그래프는 그림 6의 (c)와 같다.
Image quality results table for LSB, DCT, and DWT
표 5, 그림 7은 워터마킹 강도 변화에 따른 각 기법의 이미지 품질 변화 양상을 명확하게 보여준다. 분석 대상 워터마킹 기법(LSB, DCT, DWT) 및 관련 파라미터(워터마킹 강도, Spread Spectrum 계수)에 따라 화질 변화 특성이 다르게 나타나는 것을 확인할 수 있다.
Image quality results graph for DCT and DWT
분석 결과, 워터마킹 강도를 변경할 수 없는 LSB를 제외한 모든 기법에서 워터마킹 강도가 증가할수록 PSNR 및 SSIM 값은 감소하고 MSE 값은 증가하여 화질이 저하됨을 확인하였다. 또한, 동일한 워터마킹 강도 조건 하에서 Spread Spectrum 계수의 수가 증가할수록 모든 화질 지표가 저하되는 경향을 보였다. 예를 들어, DCT 기법에서 강도를 0.01로 고정했을 때, 계수가 1일 때의 PSNR은 59.71dB인 반면, 계수가 63일 때는 38.80dB로 크게 감소하여 그 영향을 명확히 확인할 수 있다.
LSB 기법의 화질 측정 결과는 PSNR 48.23dB, SSIM 0.9989로 매우 높은 수준의 화질을 기록했으며, 이는 LSB가 원본 이미지에 최소한의 변형만을 가하는 특성 때문으로 해석된다.
DCT와 DWT 기법은 워터마킹 강도 및 계수 개수와 이미지 품질 간에 명확한 트레이드오프 관계가 존재한다. 워터마크의 견고성이나 정보량을 높이기 위해 강도나 계수 개수를 늘리면 이미지 품질이 저하되지만, 이 파라미터들을 조절하여 비가시성과 견고성 간의 균형을 유연하게 맞출 수 있는 가능성을 보여준다.
육안으로 화질 손상을 인지하기 어려운 기준인 PSNR 40dB 이상을 유지하기 위한 조건을 분석한 결과, DCT(계수 1)는 강도 0.05(PSNR 42.62dB)까지, DWT(계수 1)는 강도 0.02(PSNR 45.07dB)까지 해당 기준을 만족했다. 반면 계수 개수가 늘어난 DCT(계수 63)는 강도 0.005(PSNR 44.38dB) 이하, DWT(계수 16)는 강도 0.005(PSNR 45.50dB) 이하의 매우 낮은 강도에서만 40dB 이상의 화질을 유지할 수 있었다.
원본과의 구조적 유사성을 나타내는 SSIM 지표가 0.95 이상인 조건을 분석한 결과도 유사했다. DCT(계수 1)는 강도 0.05(SSIM 0.9674)까지, DWT(계수 1)는 강도 0.02(SSIM 0.9702)까지 해당 기준을 만족하였다.
종합적으로, 실험 결과는 Spread Spectrum 계수의 개수가 워터마킹 강도보다 이미지 품질에 더 지배적인 영향을 미치는 핵심 변수임을 시사한다. 기법 간 비교에서는 최소 계수(Coeff 1) 조건에서 DWT가 DCT보다 전반적으로 더 낮은 MSE 값을 기록하여 오류율이 낮았으나, DCT는 DWT보다 다소 높은 강도까지 높은 PSNR/SSIM을 유지하는 특성을 보였다. 이는 적용 목적에 따라 적합한 기법과 파라미터 선택이 중요함을 의미한다.
Ⅴ. 결 론
본 연구는 Unity URP 환경에서 최종 렌더링 화면에 LSB, DCT, DWT 기법을 적용 시 성능 및 화질에 미치는 영향을 실증적으로 분석하였다.
성능 결과로는 매 프레임마다 워터마킹을 켠다면 많은 부하가 걸리지만 FHD 기준 1ms라는 큰 오버헤드가 걸리지만, 0.02초라는 단시간 동안만 워터마킹을 켠다면 LSB, DCT, DWT 등 모든 워터마킹에서 0.08ms와 같은 낮은 CPU/GPU 오버헤드를 일으키고 FPS에 큰 영향을 주지 않았다. 또한 4K 기준으로는 매 프레임 실행 시 제일 최악의 경우인 DCT의 경우 5.7ms가 늘어나지만 0.02초라는 단시간 동안만 워터마킹을 사용한다면 0.2ms의 낮은 CPU/GPU 오버헤드를 보였다. 이를 통해 매 프레임마다 워터마킹을 켜는 것은 많은 부하가 걸리며, 필요에 따라 워터마킹 삽입 시간을 줄임으로써 실시간 환경에서 사용이 가능하다는 것을 보여준다.
화질 결과로는 워터마킹 강도와 Spread Spectrum 계수가 높아짐에 따라 PSNR 및 SSIM이 낮아지는 것을 보여주고 Spread Spectrum 계수가 높으면 높을수록 같은 워터마킹 강도에도 낮은 PSNR와 SSIM을 보여준다. 또한 해당 파라미터를 변경할 수 있는 DCT와 DWT가 육안으로 워터마킹을 확인하기 어려운 PSNR 40 dB 이상을 가지려면 DCT의 경우, Spread Spectrum 계수가 1일 때 워터마킹 강도가 0.02, 계수가 32일 때 워터마킹 강도가 0.005, 계수가 63일 때 워터마킹 강도가 0.001을 가져야 한다. SSIM의 경우 0.95 이상의 값을 가지려면 DCT의 경우, Spread Spectrum 계수가 1일 때 워터마킹 강도가 0.05, 계수가 32일 때 워터마킹 강도가 0.005, 계수가 63일 때 워터마킹 강도가 0.005를 가져야 한다. DWT의 경우 Spread Spectrum 계수가 1일 때 워터마킹 강도가 0.02, 계수가 16일 때는 0.005를 가져야 한다. 이를 통해 더 많은 정보 혹은 견고성을 올리기 위해서는 화질이 원본에 비해 많이 낮아진다는 결과를 알 수 있다.
위의 실험들을 통해 실시간 환경의 주요 변수인 워터마킹 적용 빈도와 워터마킹 강도에 따른 성능(FPS, CPU/GPU 처리 속도) 및 화질(PSNR, SSIM, MSE) 변화를 정량적으로 측정하고 비교 분석했으며 Unity URP 환경에서 실시간 게임의 성능 저하를 최소화하며 워터마킹을 적용하기 위해서는 워터마크 삽입 빈도와 강도를 신중하게 고려해야 함을 확인했다.
본 연구는 실시간 렌더링 워터마킹 적용의 기술적 가능성과 고려 사항을 탐색 및 성능을 분석하는 기초 자료를 제공하였다는 점에서 의의를 가진다.
본 연구의 한계점으로, 테스트 씬은 워터마킹 연산 자체의 순수 성능 부하를 측정하고 외부 변수를 최소화하기 위해 의도적으로 간단한 오브젝트와 기본적인 렌더링 설정으로 구성하였다. 따라서 매우 복잡한 그래픽 요소와 다양한 후처리 효과가 적용된 실제 상용 게임 환경에서는 본 연구에서 측정된 성능 지표와 다소 차이가 발생할 수 있다.
따라서 향후 연구에서는 다양한 환경에서의 추가 실험, 다른 변환 영역 기법(예: SVD, DCT-DWT 혼합 기법)과의 비교, 지각적 비가시성을 고려한 적응적 워터마킹 강도 조절 방안, 그리고 다양한 공격에 대한 견고성 분석을 하고자 한다.
Acknowledgments
본 연구는 문화체육관광부 및 한국콘텐츠진흥원의 2025년도 문화체육관광 연구개발사업으로 수행되었음(연구개발과제명: 게임콘텐츠 저작권 관리 기술 개발 및 글로벌 인재양성, 연구개발과제번호: RS-2024-00396709, 기여율: 50%).
이 논문은 2024학년도 홍익대학교 학술연구진흥비에 의하여 지원되었음.
References
-
W. H. Alshoura, Z. Zainol, J. S. Teh, M. Alawida, and A. Alabdulatif, “Hybrid SVD-Based Image Watermarking Schemes: A Review,” IEEE Access, Vol. 9, pp. 32931-32968, February 2021.
[https://doi.org/10.1109/ACCESS.2021.3060861]
-
W. Berchtold, M. Schäfer, H. Liu, F. T. Takahashi, A. Schmitz, S. Zmudzinski, ... and J. Wieneke, “Video Game Watermarking,” Proceedings Media Watermarking, Security, and Forensics 2013, Vol. 8665, 866506, March 2013.
[https://doi.org/10.1117/12.2005851]
- P. Khoshdani, “Watermarking DDS Files,” Master’s Thesis, Blekinge Institute of Technology, Blekinge, Sweden, January 2013.
-
L. Cao, “Watermarking for AI Content Detection: A Review on Text, Visual, and Audio Modalities,” arXiv:2504.03765, , April 2025.
[https://doi.org/10.48550/arXiv.2504.03765]
-
I. J. Cox, J. Kilian, F. T. Leighton, and T. Shamoon, “Secure Spread Spectrum Watermarking for Multimedia,” IEEE Transactions on Image Processing, Vol. 6, No. 12, pp. 1673-1687, December 1997.
[https://doi.org/10.1109/83.650120]
-
K. Deb, M. S. Al-Seraj, M. M. Hoque, and M. I. H. Sarkar, “Combined DWT-DCT Based Digital Image Watermarking Technique for Copyright Protection,” in Proceedings of the 2012 7th International Conference on Electrical and Computer Engineering, Dhaka, Bangladesh, pp. 458-461, December 2012.
[https://doi.org/10.1109/ICECE.2012.6471586]
-
K. A. Navas, M. C. Ajay, M. Lekshmi, T. S. Archana, and M. Sasikumar, “DWT-DCT-SVD Based Watermarking,” in Proceedings of the 3rd International Conference on Communication Systems Software and Middleware and Workshops, COMSWARE 2008, Bangalore: India, January 2008.
[https://doi.org/10.1109/COMSWA.2008.4554423]
-
A. K. Singh, M. Dave, and A. Mohan, “Hybrid Technique for Robust and Imperceptible Image Watermarking in DWT-DCT-SVD Domain,” National Academy Science Letters, Vol. 37, pp. 351-358, April 2014.
[https://doi.org/10.1007/s40009-014-0241-8]
-
T. Chen and H. Lu, “Robust Spatial LSB Watermarking Of Color Images Against JPEG Compression,” in Proceedings of the 2012 IEEE Fifth International Conference on Advanced Computational Intelligence(ICACI), Nanjing, China, pp. 872-875, October 2012.
[https://doi.org/10.1109/ICACI.2012.6463294]
-
S. Fazli and G. Khodaverdi, “Trade-off between Imperceptibility and Robustness of LSB Watermarking using SSIM Quality Metrics,” in Proceedsigs of the 2009 Second International Conference on Machine Vision, Dubai, UAE, pp. 101-104, October 2009.
[https://doi.org/10.1109/ICMV.2009.68]
-
S. D. Lin, S.-C. Shie, and J. Y. Guo, “Improving the robustness of DCT-based image watermarking against JPEG compression,” Computer Standards & Interfaces, Vol. 32, No. 2, pp. 54-60, January 2010.
[https://doi.org/10.1016/j.csi.2009.06.004]
- P. Porwik and A. Lisowska, “The Haar-Wavelet Transform in Digital Image Processing: Its Status and Achievements,” Machine Graphics & Vision, Vol. 13, No. 1/2, pp. 79-98, 2004.
- A. Katharotiya, S. Patel, and M. Goyani, “Comparative Analysis between DCT & DWT Techniques of Image Compression,” Journal of Information Engineering and Applications, Vol. 1, No. 2, pp. 9-17, 2011.
-
X. Zhou, H. Zhang, and C. Wang, “A Robust Image Watermarking Technique Based on DWT, APDCBT, and SVD,” Symmetry, Vol. 10, No. 3, 77, March 2018.
[https://doi.org/10.3390/sym10030077]
-
N. Zhang, J.-l. Wang, and Y.-S. Chen, “Image Parallel Processing Based on GPU,” in Porceedings of the 2010 International Conference on Computer Application and System Modeling (ICCAS 2010), Taiyuan, China, pp. 367-370, October 2010.
[https://doi.org/10.1109/ICACC.2010.5486836]
-
K. Debattista, K. Bugeja, S. Spina, T. Bashford-Rogers, and V. Hulusic, “Frame Rate vs Resolution: A Subjective Evaluation of Spatiotemporal Perceived Quality Under Varying Computational Budgets,” Computer Graphics Forum, Vol. 37, No. 1, pp. 363-374, February 2018.
[https://doi.org/10.1111/cgf.13302]
-
D. Awasthi and V. K. Srivastava, “LWT-DCT-SVD and DWT-DCT-SVD based watermarking schemes with their performance enhancement using Jaya and Particle swarm optimization and comparison of results under various attacks,” Multimedia Tools and Applications, Vol. 81, pp. 25075-25099, March 2022.
[https://doi.org/10.1007/s11042-022-12456-4]
-
Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, “Image Quality Assessment: From Error Visibility to Structural Similarity,” IEEE Transactions on Image Processing, Vol. 13, No. 4, pp. 600-612, April 2004.
[https://doi.org/10.1109/TIP.2003.819861]
-
S. Fazli and G. Khodaverdi, “Trade-off between Imperceptibility and Robustness of LSB Watermarking using SSIM Quality Metrics,” in Proceedings of the 2009 Second International Conference on Machine Vision, Dubai, UAE, pp. 101-104, October 2009.
[https://doi.org/10.1109/ICMV.2009.68]
-
B. I. Onyeashie, P. Leimich, S. McKeown, and G. Russell, “Forensic Joint Photographic Experts Group (JPEG) Watermarking for Disk Image Leak Attribution: An Adaptive Discrete Cosine Transform–Discrete Wavelet Transform (DCT-DWT) Approach”, Electronics, Vol. 14, No. 9, 1800, April 2025.
[https://doi.org/10.3390/electronics14091800]
-
R. Soundrapandiyan, K. Rajendiran, A. Gurunathan, A. Victor, and R. Selvanambi, “Analysis of DWT–DCT Watermarking Algorithm on Digital Medical Imaging,” Journal of Medical Imaging, Vol. 11, No. 1, 014002, December 2023.
[https://doi.org/10.1117/1.JMI.11.1.014002]
-
J. Varghese, O. B. Hussain, S. Subash, AR. T, “An effective Digital Image Watermarking Scheme Incorporating DCT, DFT and SVD Transformations,” PeerJ Computer Science, Vol. 9, e1427, July 2023.
[https://doi.org/10.7717/peerj-cs.1427]
-
S. Sur, R. G. Roy, and S. Chakraborty, “Digital Watermarking: A Technical Overview,” IOSR Journal of Electronics and Communication Engineering (IOSR-JECE), Vol. 10, No. 4, pp. 34-38, July 2015.
[https://doi.org/10.9790/2834-10413438]
-
M. Ali and S. Kumar, “A Robust Zero-Watermarking Scheme in Spatial Domain by Achieving Features Similar to Frequency Domain,” Electronics, Vol. 13, No. 2, 435, January 2024.
[https://doi.org/10.3390/electronics13020435]
-
D. W. Utomo, C. A. Sari, and F. O. Isinkaye, “Quality Improvement for Invisible Watermarking using Singular Value Decomposition and Discrete Cosine Transform,” Matrik: Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer, Vol. 23, No. 3, pp. 509-518, June 2024.
[https://doi.org/10.30812/matrik.v23i3.3744]
-
W. H. Alshoura, Z. Zainol, J. S. Teh, M. Alawida, and A. Alabdulatif, “Hybrid SVD-Based Image Watermarking Schemes: A Review,” IEEE Access, Vol. 9, pp. 32931-32968, March 2021.
[https://doi.org/10.1109/ACCESS.2021.3060861]
-
S. Gaur, N. Tripathi, and J. Pandey, “A Hybrid DWT-SVD Based Adaptive Image Watermarking Scheme,” Journal of Image and Graphics, Vol. 11, No. 4, pp. 414-427, December 2023.
[https://doi.org/10.18178/joig.11.4.414-427]
-
V. Kumar and D. Kumar, “Performance Evaluation of DWT Based Image Steganography,” in Proceedings of the 2010 IEEE 2nd International Advance Computing Conference, Patiala, India, pp. 223-228, February 2010.
[https://doi.org/10.1109/IADCC.2010.5423005]
-
B. M. El-den and W. Raslan, “A reversible and Robust Hybrid Image Steganography Framework Using Radon Transform and Integer Lifting Wavelet Transform,” Scientific Reports, Vol. 15, 15687, May 2025.
[https://doi.org/10.1038/s41598-025-98539-2]
저자소개
2024년：홍익대학교 게임학부 게임소프트웨어학과 학사
2024년～현 재: 홍익대학교 일반대학원 게임학과 석사과정
※관심분야：정보보호(Personal Information), 블록체인(Blockchain), 워터마킹(Watermarking) 등
2024년：홍익대학교 게임학부 게임소프트웨어학과 학사
2024년～현 재 홍익대학교 일반대학원 게임학과 석사과정
※관심분야：정보보호(Personal Information), 블록체인(Blockchain), 워터마킹(Watermarking) 등
2019년：홍익대학교 대학원 (게임학과 석사)
2024년～현 재: 홍익대학교 일반대학원 게임학과 박사과정
※관심분야：정보보호(Personal Information), 블록체인(Blockchain), 워터마킹(Watermarking) 등
1989년～1998년: (주) 현대전자 S/W연구소 책임연구원
2001년～2004년: 청강문화산업대학 컴퓨터 게임학과 전임교수
2005년～2006년: Wright State University PostDoctoral Fellow
2007년～현 재: 홍익대학교 게임학부 게임소프트웨어전공 교수
※관심분야：온라인 게임서버 및 부하분산, 디지털 콘텐츠 저작권 기술, 블록체인 및 Web3