論文の概要: WateRF: Robust Watermarks in Radiance Fields for Protection of Copyrights

• arxiv url: http://arxiv.org/abs/2405.02066v4
• Date: Fri, 12 Jul 2024 03:35:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 04:37:57.350127
• Title: WateRF: Robust Watermarks in Radiance Fields for Protection of Copyrights
• Title（参考訳）: WateRF:著作権保護分野におけるロバストな透かし
• Authors: Youngdong Jang, Dong In Lee, MinHyuk Jang, Jong Wook Kim, Feng Yang, Sangpil Kim,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.136998438185882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advances in the Neural Radiance Fields (NeRF) research offer extensive applications in diverse domains, but protecting their copyrights has not yet been researched in depth. Recently, NeRF watermarking has been considered one of the pivotal solutions for safely deploying NeRF-based 3D representations. However, existing methods are designed to apply only to implicit or explicit NeRF representations. In this work, we introduce an innovative watermarking method that can be employed in both representations of NeRF. This is achieved by fine-tuning NeRF to embed binary messages in the rendering process. In detail, we propose utilizing the discrete wavelet transform in the NeRF space for watermarking. Furthermore, we adopt a deferred back-propagation technique and introduce a combination with the patch-wise loss to improve rendering quality and bit accuracy with minimum trade-offs. We evaluate our method in three different aspects: capacity, invisibility, and robustness of the embedded watermarks in the 2D-rendered images. Our method achieves state-of-the-art performance with faster training speed over the compared state-of-the-art methods.
• Abstract（参考訳）: NeRF(Neural Radiance Fields)研究の進歩は、様々な領域に広範な応用をもたらすが、著作権保護はまだ深く研究されていない。 近年、NeRFベースの3D表現を安全に展開するための重要なソリューションの1つとして、NeRF透かしが検討されている。 しかし、既存の手法は暗黙的あるいは明示的なNeRF表現にのみ適用するように設計されている。 本研究では,NeRFの両表現に適用可能な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。 本稿では,NeRF空間における離散ウェーブレット変換を透かしに利用することを提案する。 さらに、遅延バックプロパゲーション手法を採用し、パッチワイズ損失と組み合わせることで、最小トレードオフでレンダリング品質とビット精度を向上させる。 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。 本手法は、比較した最先端手法よりも高速なトレーニング速度で最先端性能を実現する。

関連論文リスト

• Shallow Diffuse: Robust and Invisible Watermarking through Low-Dimensional Subspaces in Diffusion Models [10.726987194250116]
  拡散モデル出力にロバストで見えない透かしを埋め込む新しい透かし技術であるShallow Diffuseを導入する。 我々の理論的および経験的分析により,浅度拡散はデータ生成の一貫性と透かしの検出可能性を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2024-10-28T14:51:04Z)
• WaterSplatting: Fast Underwater 3D Scene Reconstruction Using Gaussian Splatting [39.58317527488534]
  本研究では,水中データ処理を効果的に行うために,ボリュームレンダリングを3DGSで融合する手法を提案する。 提案手法は,海底シースルー-ネRFデータセットのレンダリング品質において,最先端のNeRF法よりも優れていた。
  論文  参考訳（メタデータ） (2024-08-15T15:16:49Z)
• 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)
• Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T13:30:10Z)
• 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)
• 3D Visibility-aware Generalizable Neural Radiance Fields for Interacting Hands [51.305421495638434]
  ニューラル放射場(NeRF)は、シーン、オブジェクト、人間の3D表現を約束する。 本稿では,手動操作のための一般化可能な視認可能なNeRFフレームワークを提案する。 Interhand2.6Mデータセットの実験により、提案したVA-NeRFは従来のNeRFよりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2024-01-02T00:42:06Z)
• 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)
• FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models [64.89896692649589]
  テキスト・画像拡散モデルの微調整に適した透かしシステムであるFT-Shieldを提案する。 FT-Shieldは新しい透かしの生成と検出戦略を設計することで著作権保護の課題に対処する。
  論文  参考訳（メタデータ） (2023-10-03T19:50:08Z)
• MarkNerf:Watermarking for Neural Radiance Field [6.29495604869364]
  暗黙的な3Dモデルの著作権保護問題に対処するために,透かしアルゴリズムを提案する。 実験により,提案アルゴリズムは3次元モデルの著作権を効果的に保護することを示した。
  論文  参考訳（メタデータ） (2023-09-21T03:00:09Z)
• CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields [13.110156814776294]
  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。
  論文  参考訳（メタデータ） (2023-07-21T12:14:33Z)
• PDRF: Progressively Deblurring Radiance Field for Fast and Robust Scene Reconstruction from Blurry Images [75.87721926918874]
  PDRF(Progressive Deblurring Radiance Field)について報告する。 PDRFは、ぼやけた画像から高品質な放射場を効率的に再構成する新しい手法である。 PDRF は以前の State-of-The-Art シーン再構成手法よりも15倍高速であることを示す。
  論文  参考訳（メタデータ） (2022-08-17T03:42:29Z)

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。