局部图像水印（local watermarking）与传统的全图水印不同，它只把不可见信号嵌入到图像的特定区域内，而不是平铺到整幅图像上，因此可以从某个目标物体或指定区域中恢复出载荷（payload）并给出该区域的大致定位（localization）。这一特性使其非常适合溯源、内容真实性核验以及 AI 生成图像的标注等场景。然而，论文指出现有研究存在明显的方法论缺陷：各篇工作几乎只评测自己提出的方法，所使用的图像变换种类、数据集和评价指标彼此不一致，导致不同方法之间无法直接横向比较，也让人们对“局部水印到底有多鲁棒”缺乏整体认知。为填补这一空白，作者构建了首个针对局部图像水印的系统化鲁棒性基准，覆盖 55 种图像变换，并将其划分为四大类：(i) 信号失真类变换；(ii) 图像坐标对齐改变（几何/同步类）；(iii) 间接的局部编辑；(iv) 直接针对水印的编辑。基准评测了 MaskWM、WAM、OmniGuard、TrustMark 和 PixelSeal 五种方法，这些方法要么原生支持定位，要么只需极少改造即可支持定位。实验结论包括：所有被评测方法都会在某些变换下失效；MaskWM 在载荷恢复与定位上表现最强，但在干净图像上的画质最差；引入同步（synchronization）机制能提升 MaskWM 在若干几何变换下的载荷恢复能力，但会进一步牺牲画质；一个关键发现是，局部水印的鲁棒性强依赖于变换的性质——最强的几种方法往往能容忍信号失真，而几何错位以及生成式局部编辑（如 inpainting、outpainting）可能彻底破坏载荷恢复。论文还观察到载荷恢复与区域定位相关但并不等价，二者都强烈取决于变换对水印区域的破坏程度。该工作为后续局部水印研究提供了统一的评测口径与可复现的比较基线。