Fugu-MT 論文翻訳(概要): GS-Hider: Hiding Messages into 3D Gaussian Splatting

論文の概要: GS-Hider: Hiding Messages into 3D Gaussian Splatting

arxiv url: http://arxiv.org/abs/2405.15118v1
Date: Fri, 24 May 2024 00:18:15 GMT
ステータス: 処理完了
システム内更新日: 2024-05-27 18:38:12.493525
Title: GS-Hider: Hiding Messages into 3D Gaussian Splatting
Title（参考訳）: GS-Hider:メッセージを3Dガウスの切り札に隠す
Authors: Xuanyu Zhang, Jiarui Meng, Runyi Li, Zhipei Xu, Yongbing Zhang, Jian Zhang,
Abstract要約: 3Dガウススプラッティング(3DGS)はすでに3Dシーンの再構築と新しいビュー合成の分野における新たな研究の焦点となっている。このような3D資産の著作権、完全性、プライバシーを保護することが不可欠である。本稿では,GS-Hiderと呼ばれる3DGSの立体撮影フレームワークを提案する。
参考スコア（独自算出の注目度）: 18.16759704305008
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 3D Gaussian Splatting (3DGS) has already become the emerging research focus in the fields of 3D scene reconstruction and novel view synthesis. Given that training a 3DGS requires a significant amount of time and computational cost, it is crucial to protect the copyright, integrity, and privacy of such 3D assets. Steganography, as a crucial technique for encrypted transmission and copyright protection, has been extensively studied. However, it still lacks profound exploration targeted at 3DGS. Unlike its predecessor NeRF, 3DGS possesses two distinct features: 1) explicit 3D representation; and 2) real-time rendering speeds. These characteristics result in the 3DGS point cloud files being public and transparent, with each Gaussian point having a clear physical significance. Therefore, ensuring the security and fidelity of the original 3D scene while embedding information into the 3DGS point cloud files is an extremely challenging task. To solve the above-mentioned issue, we first propose a steganography framework for 3DGS, dubbed GS-Hider, which can embed 3D scenes and images into original GS point clouds in an invisible manner and accurately extract the hidden messages. Specifically, we design a coupled secured feature attribute to replace the original 3DGS's spherical harmonics coefficients and then use a scene decoder and a message decoder to disentangle the original RGB scene and the hidden message. Extensive experiments demonstrated that the proposed GS-Hider can effectively conceal multimodal messages without compromising rendering quality and possesses exceptional security, robustness, capacity, and flexibility. Our project is available at: https://xuanyuzhang21.github.io/project/gshider.
Abstract（参考訳）: 3Dガウススプラッティング(3DGS)はすでに3Dシーンの再構築と新しいビュー合成の分野における新たな研究の焦点となっている。 3DGSのトレーニングにはかなりの時間と計算コストが必要であり、そのような3D資産の著作権、完全性、プライバシーを保護することが不可欠である。ステガノグラフィーは、暗号化伝送と著作権保護にとって重要な技術であり、広く研究されている。しかし、3DGSをターゲットとした深層探査はいまだに欠けている。以前のNeRFとは異なり、3DGSには2つの特徴がある。 1) 明快な3D表現,及び 2)リアルタイムレンダリング速度。これらの特徴により、3DGSポイントのクラウドファイルは公開され透明になり、それぞれのガウスポイントは明確な物理的重要性を持つ。したがって、3DGSポイントのクラウドファイルに情報を埋め込んだまま、元の3Dシーンのセキュリティと忠実さを確保することは、非常に難しい作業である。この問題を解決するために,まずGS-Hiderと呼ばれる3DGSのステガノグラフィーフレームワークを提案する。具体的には、元の3DGSの球面調和係数を置き換えるために、結合されたセキュアな特徴属性を設計し、次にシーンデコーダとメッセージデコーダを使用して元のRGBシーンと隠れメッセージを切り離す。大規模な実験により、提案されたGS-Hiderは、レンダリング品質を損なうことなく効果的にマルチモーダルメッセージを隠蔽でき、例外的なセキュリティ、堅牢性、キャパシティ、柔軟性を有することが示された。私たちのプロジェクトは、https://xuanyuzhang21.github.io/project/gshider.comで利用可能です。

関連論文リスト

GaussReg: Fast 3D Registration with Gaussian Splatting [10.049564362260055]
ポイントクラウドの登録は、大規模な3Dシーンのスキャンと再構築の基本的な問題である。我々は,ポイントクラウド登録のための新しい粗粒度フレームワークであるGaussRegを提案する。提案手法は,複数のデータセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2024-07-07T04:35:51Z)
HUGS: Holistic Urban 3D Scene Understanding via Gaussian Splatting [53.6394928681237]
RGB画像に基づく都市景観の全体的理解は、難しいが重要な問題である。我々の主な考え方は、静的な3Dガウスと動的なガウスの組合せを用いた幾何学、外観、意味論、運動の合同最適化である。提案手法は,2次元および3次元のセマンティック情報を高精度に生成し,新たな視点をリアルタイムに描画する機能を提供する。
論文参考訳（メタデータ） (2024-03-19T13:39:05Z)
StyleGaussian: Instant 3D Style Transfer with Gaussian Splatting [141.05924680451804]
StyleGaussianは、新しい3Dスタイル転送技術である。任意の画像のスタイルを毎秒10フレームの3Dシーンに即時転送できる(fps)。
論文参考訳（メタデータ） (2024-03-12T16:44:52Z)
GS-CLIP: Gaussian Splatting for Contrastive Language-Image-3D Pretraining from Real-World Data [73.06536202251915]
ポイントクラウドとして表される3D形状は、画像と言語記述を整列させるために、マルチモーダル事前トレーニングの進歩を実現している。 GS-CLIPは,3D表現を向上させるために,マルチモーダル事前学習に3DGSを導入するための最初の試みである。
論文参考訳（メタデータ） (2024-02-09T05:46:47Z)
Rig3DGS: Creating Controllable Portraits from Casual Monocular Videos [33.779636707618785]
我々はRig3DGSを導入し、カジュアルなスマートフォンビデオからコントロール可能な3D人間の肖像画を作成する。鍵となる革新は、慎重に設計された変形法であり、3次元形態素モデルから派生した学習可能な先行モデルによって導かれる。定量的および定性的な実験によって学習した変形の有効性を実証する。
論文参考訳（メタデータ） (2024-02-06T05:40:53Z)
A Survey on 3D Gaussian Splatting [51.96747208581275]
3D Gaussian splatting (GS) は、明示的なラディアンス場とコンピュータグラフィックスの領域において、トランスフォーメーション技術として登場した。本稿では,3D GSの領域における最近の発展と重要な貢献について,初めて体系的に概説する。前例のないレンダリング速度を実現することで、3D GSは、仮想現実からインタラクティブメディアなど、数多くのアプリケーションを開くことができる。
論文参考訳（メタデータ） (2024-01-08T13:42:59Z)
Gaussian Grouping: Segment and Edit Anything in 3D Scenes [65.49196142146292]
ガウシアン・グルーピング(ガウシアン・グルーピング)はガウシアン・スプラッティングを拡張して,オープンワールドの3Dシーンで何かを共同で再構築・分割する。暗黙のNeRF表現と比較すると,グループ化された3次元ガウシアンは,高画質,微粒度,高効率で,あらゆるものを3次元で再構成,分割,編集することができる。
論文参考訳（メタデータ） (2023-12-01T17:09:31Z)
Text-to-3D using Gaussian Splatting [18.163413810199234]
本稿では,最新の最先端表現であるガウススプラッティングをテキストから3D生成に適用する新しい手法であるGSGENを提案する。 GSGENは、高品質な3Dオブジェクトを生成し、ガウススティングの明示的な性質を活用することで既存の欠点に対処することを目的としている。我々の手法は繊細な細部と正確な形状で3Dアセットを生成することができる。
論文参考訳（メタデータ） (2023-09-28T16:44:31Z)
Gait Recognition in the Wild with Dense 3D Representations and A Benchmark [86.68648536257588]
既存の歩行認識の研究は、制約されたシーンにおける人間の体のシルエットや骨格のような2D表現によって支配されている。本稿では,野生における歩行認識のための高密度な3次元表現の探索を目的とする。大規模な3D表現に基づく歩行認識データセットGait3Dを構築した。
論文参考訳（メタデータ） (2022-04-06T03:54:06Z)

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。