論文の概要: CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
- arxiv url: http://arxiv.org/abs/2307.11526v2
- Date: Sat, 29 Jul 2023 13:01:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 20:05:26.112878
- Title: CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
- Title（参考訳）: CopyRNeRF:神経放射場のCopyRightを保護する
- Authors: Ziyuan Luo and Qing Guo and Ka Chun Cheung and Simon See and Renjie
Wan
- Abstract要約: 我々は、NeRFの原色表現を透かし色表現に置き換えることで、NeRFモデルの著作権を保護することを提案する。
NeRFの2次元レンダリングにおいて、ロバストなメッセージ抽出を保証するために、歪み耐性のレンダリングスキームが設計されている。
- 参考スコア（独自算出の注目度）: 13.110156814776294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural Radiance Fields (NeRF) have the potential to be a major representation
of media. Since training a NeRF has never been an easy task, the protection of
its model copyright should be a priority. In this paper, by analyzing the pros
and cons of possible copyright protection solutions, we propose to protect the
copyright of NeRF models by replacing the original color representation in NeRF
with a watermarked color representation. Then, a distortion-resistant rendering
scheme is designed to guarantee robust message extraction in 2D renderings of
NeRF. Our proposed method can directly protect the copyright of NeRF models
while maintaining high rendering quality and bit accuracy when compared among
optional solutions.
- Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)は、メディアの主要な表現である可能性がある。
NeRFのトレーニングは容易な作業ではないため、モデル著作権の保護が優先されるべきである。
本稿では,著作権保護ソリューションの長所と短所を分析し,NeRFの原色表現を透かし色表現に置き換えることで,NeRFモデルの著作権を保護することを提案する。
次に,NRFの2次元レンダリングにおけるロバストなメッセージ抽出を保証するために,歪み耐性レンダリング方式を設計する。
提案手法は,オプションソリューションと比較して高いレンダリング品質とビット精度を維持しつつ,NeRFモデルの著作権を直接保護することができる。
関連論文リスト
- GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields [17.63137088783976]
ニューラルラジアンスフィールド(NeRF)の再色化は、NeRFの色属性の変更プロセスを単純化した。
悪意のあるユーザーがNeRFモデルの色を変えて、その色を変えたバージョンを自称するのではないか、という懸念もあります。
我々は、NeRFモデルにバイナリメッセージをシームレスに統合するGeometryStickerを提案する。
論文 参考訳（メタデータ） (2024-07-18T10:57:29Z) - Protecting NeRFs' Copyright via Plug-And-Play Watermarking Base Model [29.545874014535297]
ニューラル・ラジアンス・フィールド(NeRF)は3次元シーン表現の鍵となる手法となっている。
我々は,NeRFの著作権保護のためのプラグイン・アンド・プレイ戦略を採用したtextbfNeRFProtectorを提案する。
論文 参考訳（メタデータ） (2024-07-10T15:06:52Z) - WateRF: Robust Watermarks in Radiance Fields for Protection of Copyrights [10.136998438185882]
我々はNeRFの両表現に利用できる革新的な透かし手法を提案する。
これは、NeRFを微調整してバイナリメッセージをレンダリングプロセスに埋め込むことによって実現される。
提案手法は,2次元レンダリング画像に埋め込まれた透かしの容量,可視性,堅牢性の3つの異なる側面で評価する。
論文 参考訳（メタデータ） (2024-05-03T12:56:34Z) - IPR-NeRF: Ownership Verification meets Neural Radiance Field [100.76162575686368]
本稿では,ブラックボックスとホワイトボックスの両方の設定において,NeRFモデルに対する包括的知的財産権(IP)保護フレームワークを提案する。
ブラックボックス設定では、拡散ベースの溶液を導入して、透かしを埋め込んで抽出する。
ホワイトボックス設定では、符号損失目標を適用して、指定されたデジタル署名をNeRFモデルの重みに埋め込む。
論文 参考訳（メタデータ） (2024-01-17T01:33:40Z) - Shielding the Unseen: Privacy Protection through Poisoning NeRF with
Spatial Deformation [59.302770084115814]
本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。
我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。
我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
論文 参考訳（メタデータ） (2023-10-04T19:35:56Z) - DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。
提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
論文 参考訳（メタデータ） (2023-08-18T08:37:49Z) - Re-ReND: Real-time Rendering of NeRFs across Devices [56.081995086924216]
Re-ReNDは、NeRFを標準グラフィックスパイプラインで効率的に処理できる表現に変換することで、リアルタイムのパフォーマンスを実現するように設計されている。
Re-ReNDはレンダリング速度が2.6倍に向上し、最先端技術では品質が損なわれることなく達成できることがわかった。
論文 参考訳（メタデータ） (2023-03-15T15:59:41Z) - Removing Objects From Neural Radiance Fields [60.067117643543824]
RGB-Dシーケンスから生成されたNeRF表現からオブジェクトを除去するフレームワークを提案する。
当社のNeRF塗装法は,最近の2次元画像塗装技術を活用し,ユーザが提供するマスクでガイドされる。
提案手法は多視点コヒーレントな方法で可塑性塗料の合成に有効であることを示す。
論文 参考訳（メタデータ） (2022-12-22T18:51:06Z) - StegaNeRF: Embedding Invisible Information within Neural Radiance Fields [61.653702733061785]
我々は、NeRFレンダリングにステガノグラフィー情報を埋め込む方法であるStegaNeRFを提案する。
我々は、NeRFで描画された画像から正確な隠れ情報抽出を可能にする最適化フレームワークを設計する。
StegaNeRFは、NeRFレンダリングにカスタマイズ可能で、認識不能で、回復不能な情報を注入する新しい問題に対する最初の調査である。
論文 参考訳（メタデータ） (2022-12-03T12:14:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。