論文の概要: Mesh Watermark Removal Attack and Mitigation: A Novel Perspective of Function Space

• arxiv url: http://arxiv.org/abs/2311.12059v3
• Date: Sat, 25 Jan 2025 07:34:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 23:58:08.367453
• Title: Mesh Watermark Removal Attack and Mitigation: A Novel Perspective of Function Space
• Title（参考訳）: メッシュ透かし除去攻撃と緩和:関数空間の新しい視点
• Authors: Xingyu Zhu, Guanhui Ye, Chengdong Dong, Xiapu Luo, Shiyao Zhang, Xuetao Wei,
• Abstract要約: Mesh Watermarkは、シークレットメッセージを3Dメッシュに埋め込んで、ウォーターマークされたメッシュからメッセージをデコードして、オーナシップ検証を行う。 FuncEvadeは、透かしメッシュの符号付き距離関数からそれを抽出することで、透かしメッシュの異なる離散表現を生成する。 FuncMarkはメッセージ誘導変形によって符号付き距離関数を透かし、funcEvadeを緩和する。
• 参考スコア（独自算出の注目度）: 26.32029980489992
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mesh watermark embeds secret messages in 3D meshes and decodes the message from watermarked meshes for ownership verification. Current watermarking methods directly hide secret messages in vertex and face sets of meshes. However, mesh is a discrete representation that uses vertex and face sets to describe a continuous signal, which can be discretized in other discrete representations with different vertex and face sets. This raises the question of whether the watermark can still be verified on the different discrete representations of the watermarked mesh. We conduct this research in an attack-then-defense manner by proposing a novel function space mesh watermark removal attack FuncEvade and then mitigating it through function space mesh watermarking FuncMark. In detail, FuncEvade generates a different discrete representation of a watermarked mesh by extracting it from the signed distance function of the watermarked mesh. We observe that the generated mesh can evade ALL previous watermarking methods. FuncMark mitigates FuncEvade by watermarking signed distance function through message-guided deformation. Such deformation can survive isosurfacing and thus be inherited by the extracted meshes for further watermark decoding. Extensive experiments demonstrate that FuncEvade achieves 100% evasion rate among all previous watermarking methods while achieving only 0.3% evasion rate on FuncMark. Besides, our FuncMark performs similarly on other metrics compared to state-of-the-art mesh watermarking methods.
• Abstract（参考訳）: Mesh Watermarkは、シークレットメッセージを3Dメッシュに埋め込んで、ウォーターマークされたメッシュからメッセージをデコードして、オーナシップ検証を行う。 現在の透かし手法は、頂点とメッシュの顔セットに秘密のメッセージを直接隠している。 しかしメッシュは、頂点と面集合を用いて連続的な信号を記述する離散表現であり、異なる頂点と面集合を持つ他の離散表現で離散化することができる。 このことは、透かしが、透かしメッシュの異なる離散表現でまだ検証できるかどうかという問題を提起する。 本研究では,関数型メッシュウォーターマーク除去攻撃FuncEvadeの提案と,関数型メッシュウォーターマークを用いたFuncMarkの緩和により,攻撃時防御方式で本研究を行う。 詳しくは、funcEvadeは、透かしメッシュの符号付き距離関数からそれを抽出することで、透かしメッシュの異なる離散表現を生成する。 生成されたメッシュは,従来の透かし手法を回避できる。 FuncMarkはメッセージ誘導変形によって符号付き距離関数を透かし、funcEvadeを緩和する。 このような変形はアイソサーフェスに耐えることができ、抽出されたメッシュによって継承され、さらなる透かし復号化が行われる。 広範囲な実験により、FuncEvadeは従来のすべての透かし法で100%の回避率を達成し、FuncMarkではわずか0.3%の回避率を達成した。 また、FuncMarkは最先端のメッシュウォーターマーキング手法と比較して、他のメトリクスでも同様に機能します。

関連論文リスト

• Speech Watermarking with Discrete Intermediate Representations [45.892635912641836]
  本稿では,音声の中間表現に透かしを注入する新しい音声透かしフレームワークを提案する。 DiscreteWMは、堅牢性と非受容性を同時に実現します。 我々のフレキシブルなフレームワイドアプローチは、音声のクローン検出と情報隠蔽の両面において効率的な解決策となる。
  論文  参考訳（メタデータ） (2024-12-18T14:57:06Z)
• 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)
• De-mark: Watermark Removal in Large Language Models [59.00698153097887]
  我々は、n-gramベースの透かしを効果的に除去するために設計された高度なフレームワークであるDe-markを紹介する。 提案手法は,透かしの強度を評価するために,ランダム選択探索と呼ばれる新しいクエリ手法を利用する。
  論文  参考訳（メタデータ） (2024-10-17T17:42:10Z)
• 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)
• DiffuseTrace: A Transparent and Flexible Watermarking Scheme for Latent Diffusion Model [15.982765272033058]
  潜在拡散モデル(LDM)は幅広い応用を可能にするが、違法利用に関する倫理的懸念を提起する。 DiffuseTraceと呼ばれる新しいテクニックは、すべての生成された画像に見えない透かしを埋め込んで、将来的な検出を意味づける。
  論文  参考訳（メタデータ） (2024-05-04T15:32:57Z)
• 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)
• Finding needles in a haystack: A Black-Box Approach to Invisible Watermark Detection [68.90458499700038]
  WaterMark Detection (WMD) は、ブラックボックスとアノテーションなしの設定下で最初に目に見えない透かし検出法である。 我々はオフセット学習の基礎を用いてWMDを開発し、クリーンな非透かしデータセットにより、透かしサンプルのみの影響を分離することができる。
  論文  参考訳（メタデータ） (2024-03-23T23:22:54Z)
• 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)
• Watermarking Text Generated by Black-Box Language Models [103.52541557216766]
  テキスト生成中に透かしを埋め込むことのできるホワイトボックスLCMに対して,透かしに基づく手法が提案されている。 リストを認識した検出アルゴリズムは、透かし付きテキストを識別することができる。 我々はブラックボックス言語モデル利用シナリオのための透かしフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-05-14T07:37:33Z)
• Supervised GAN Watermarking for Intellectual Property Protection [33.827150843939094]
  本稿では,GAN(Generative Adversarial Networks)のための透かし手法を提案する。 目的は、GANモデルで生成された画像が見えない透かし(署名)を含むように、GANモデルに透かしを付けることである。 その結果,本手法は生成画像内に見えない透かしを効果的に埋め込むことができることがわかった。
  論文  参考訳（メタデータ） (2022-09-07T20:52:05Z)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• 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)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)
• 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。