論文の概要: Towards Function Space Mesh Watermarking: Protecting the Copyright of
Signed Distance Fields
- arxiv url: http://arxiv.org/abs/2311.12059v1
- Date: Sat, 18 Nov 2023 16:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 03:34:11.849653
- Title: Towards Function Space Mesh Watermarking: Protecting the Copyright of
Signed Distance Fields
- Title(参考訳): 関数型スペースメッシュウォーターマーキングに向けて:符号付き距離場の著作権保護
- Authors: Xingyu Zhu, Guanhui Ye, Chengdong Dong, Xiapu Luo, Xuetao Wei
- Abstract要約: 本稿では,署名された距離フィールドの著作権を保護するために,頑健で目に見えない透かし方式であるFuncMarkを提案する。
本手法は,SDFから抽出した高分解能メッシュを用いてメッセージを復元し,メッシュ頂点が極端に疎い場合でも透かしを検出する。
- 参考スコア(独自算出の注目度): 24.633732290300845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The signed distance field (SDF) represents 3D geometries in continuous
function space. Due to its continuous nature, explicit 3D models (e.g., meshes)
can be extracted from it at arbitrary resolution, which means losing the SDF is
equivalent to losing the mesh. Recent research has shown meshes can also be
extracted from SDF-enhanced neural radiance fields (NeRF). Such a signal raises
an alarm that any implicit neural representation with SDF enhancement can
extract the original mesh, which indicates identifying the SDF's intellectual
property becomes an urgent issue. This paper proposes FuncMark, a robust and
invisible watermarking method to protect the copyright of signed distance
fields by leveraging analytic on-surface deformations to embed binary watermark
messages. Such deformation can survive isosurfacing and thus be inherited by
the extracted meshes for further watermark message decoding. Our method can
recover the message with high-resolution meshes extracted from SDFs and detect
the watermark even when mesh vertices are extremely sparse. Furthermore, our
method is robust even when various distortions (including remeshing) are
encountered. Extensive experiments demonstrate that our \tool significantly
outperforms state-of-the-art approaches and the message is still detectable
even when only 50 vertex samples are given.
- Abstract(参考訳): 符号付き距離場(SDF)は連続関数空間における3次元幾何学を表す。
連続的な性質のため、明確な3Dモデル(例えばメッシュ)を任意の解像度で抽出することができるため、SDFを失うことはメッシュを失うことと等価である。
近年の研究では、sdf-enhanced neural radiance fields(nerf)からメッシュを抽出することもできる。
このような信号は、sdf強化を伴う暗黙の神経表現が元のメッシュを抽出できることを警告し、sdfの知的財産を識別することが緊急問題となる。
本稿では,FuncMarkを提案する。FuncMarkは,二次元透かしメッセージに解析的オンサイト変形を利用して,署名された距離フィールドの著作権を保護する。
このような変形はイソサーフィケーションに耐えることができ、さらに透かしメッセージデコードのために抽出されたメッシュによって継承される。
本手法は,SDFから抽出した高分解能メッシュを用いてメッセージを復元し,メッシュ頂点が極めて疎い場合でも透かしを検出する。
さらに, 様々な歪み(リメッシングを含む)に遭遇しても頑健である。
実験の結果,50個の頂点サンプルが与えられた場合でも,そのメッセージは検出可能であることがわかった。
関連論文リスト
- Unsupervised Occupancy Learning from Sparse Point Cloud [8.732260277121547]
Inlicit Neural Representationsは、複雑なデータモダリティをキャプチャする強力なフレームワークとして注目されている。
本稿では,ニューラルサイン付き距離関数の代わりに占有領域を推定する手法を提案する。
ベースラインに対する暗黙の形状推論を改善する能力と、合成データと実データを用いた最先端技術について強調する。
論文 参考訳(メタデータ) (2024-04-03T14:05:39Z) - DDF-HO: Hand-Held Object Reconstruction via Conditional Directed
Distance Field [82.81337273685176]
DDF-HOは、DDF(Directed Distance Field)を形状表現として活用する新しいアプローチである。
我々はランダムに複数の光線をサンプリングし、新しい2D線に基づく特徴集約方式を導入することにより、局所的・大域的特徴を収集する。
合成および実世界のデータセットの実験は、DFF-HOが全てのベースライン手法を大きなマージンで一貫して上回っていることを示している。
論文 参考訳(メタデータ) (2023-08-16T09:06:32Z) - Tree-Ring Watermarks: Fingerprints for Diffusion Images that are
Invisible and Robust [55.91987293510401]
生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。
本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。
私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
論文 参考訳(メタデータ) (2023-05-31T17:00:31Z) - Learning Consistency-Aware Unsigned Distance Functions Progressively
from Raw Point Clouds [52.28066811858009]
点雲の表面再構成は3次元コンピュータビジョンにおいて重要な課題である。
最新の手法のほとんどは、点雲から符号付き距離関数を学習することでこの問題を解決する。
そこで本研究では, 原点雲から直接, 整合性を考慮した符号付き距離関数を学習する手法を提案する。
論文 参考訳(メタデータ) (2022-10-06T08:51:08Z) - NeuralODF: Learning Omnidirectional Distance Fields for 3D Shape
Representation [7.208066405543874]
ビジュアルコンピューティングでは、3D幾何はメッシュ、点雲、ボクセルグリッド、レベルセット、深度画像など様々な形で表現される。
オムニ距離場(Omni Distance Fields, ODFs)は, 物体表面の深度を任意の3次元位置から任意の視方向から保存することにより, 形状を符号化する新しい3次元形状表現である。
論文 参考訳(メタデータ) (2022-06-12T20:59:26Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳(メタデータ) (2022-04-05T15:48:39Z) - UWED: Unsigned Distance Field for Accurate 3D Scene Representation and
Completion [3.402787708517184]
シーン完了(Scene Completion)は、シーンの部分的なスキャンから欠落した幾何学を完了させるタスクである。
従来の手法のほとんどは、ニューラルネットワークへの入力として3Dグリッド上のTrncated Signed Distance Function(TSDF)を使用して、範囲データからの暗黙的な表現を計算する。
シーン完了ニューラルネットワークの入力として,Unsigned Weighted Euclidean Distance (UWED) と呼ばれるUnsigned Distance Function (UDF) を提案する。
論文 参考訳(メタデータ) (2022-03-17T08:46:17Z) - MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field
Networks [68.82901764109685]
3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究
本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。
本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
論文 参考訳(メタデータ) (2021-11-29T14:24:02Z) - Gradient-SDF: A Semi-Implicit Surface Representation for 3D
Reconstruction [53.315347543761426]
Gradient-SDFは、暗黙的表現と明示的表現の利点を組み合わせた3次元幾何学の新しい表現である。
すべてのボクセルに符号付き距離場とその勾配ベクトル場を格納することにより、暗黙表現の能力を高める。
本研究では,(1)グラディエント・SDFは,ハッシュマップなどの効率的な記憶方式を用いて,深度画像からの直接SDF追跡を行うことができ,(2)グラディエント・SDF表現はボクセル表現で直接光度バンドル調整を行うことができることを示す。
論文 参考訳(メタデータ) (2021-11-26T18:33:14Z) - DUDE: Deep Unsigned Distance Embeddings for Hi-Fidelity Representation
of Complex 3D Surfaces [8.104199886760275]
DUDE は、非符号距離場 (uDF) を用いて表面との近接を表現し、正規ベクトル場 (nVF) は表面の向きを表現している。
この2つの組み合わせ (uDF+nVF) を用いて任意の開/閉形状の高忠実度表現を学習できることを示す。
論文 参考訳(メタデータ) (2020-11-04T22:49:05Z)
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。