Fugu-MT 論文翻訳(概要): Towards Function Space Mesh Watermarking: Protecting the Copyright of Signed Distance Fields

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

GaussianMarker: Uncertainty-Aware Copyright Protection of 3D Gaussian Splatting [41.90891053671943]
デジタル透かし技術は、3DGSモデルに個別に所有権情報を埋め込むために応用できる。予めトレーニングされた3DGSに透かしを埋め込むと、描画画像に明らかな歪みが生じます。モデルパラメータの摂動を制限する不確実性に基づく3DGSの透かしを実現する手法を提案する。
論文参考訳（メタデータ） (2024-10-31T08:08:54Z)
Neural Surface Detection for Unsigned Distance Fields [51.77214039267625]
我々は、UDFをローカルにSDFに変換するためのディープラーニングアプローチを導入し、既存のアルゴリズムで効果的に三角測量できるようにした。既存の手法よりも表面検出の精度がよいことを示す。また,UDF上で動作可能なデュアルメッシュ方式であるDualMeshUDFと併用して,この手法の柔軟性を示す。
論文参考訳（メタデータ） (2024-07-25T20:31:40Z)
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)
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。