論文の概要: Protecting NeRFs' Copyright via Plug-And-Play Watermarking Base Model

• arxiv url: http://arxiv.org/abs/2407.07735v1
• Date: Wed, 10 Jul 2024 15:06:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 16:12:31.348722
• Title: Protecting NeRFs' Copyright via Plug-And-Play Watermarking Base Model
• Title（参考訳）: プラグアンドプレイ型透かしベースモデルによるNeRFの著作権保護
• Authors: Qi Song, Ziyuan Luo, Ka Chun Cheung, Simon See, Renjie Wan,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 29.545874014535297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural Radiance Fields (NeRFs) have become a key method for 3D scene representation. With the rising prominence and influence of NeRF, safeguarding its intellectual property has become increasingly important. In this paper, we propose \textbf{NeRFProtector}, which adopts a plug-and-play strategy to protect NeRF's copyright during its creation. NeRFProtector utilizes a pre-trained watermarking base model, enabling NeRF creators to embed binary messages directly while creating their NeRF. Our plug-and-play property ensures NeRF creators can flexibly choose NeRF variants without excessive modifications. Leveraging our newly designed progressive distillation, we demonstrate performance on par with several leading-edge neural rendering methods. Our project is available at: \url{https://qsong2001.github.io/NeRFProtector}.
• Abstract（参考訳）: 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。 NeRFの台頭と影響力の高まりにより、その知的財産の保護がますます重要になっている。 本稿では,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 \textbf{NeRFProtector} を提案する。 NeRFProtectorはトレーニング済みの透かしベースモデルを使用しており、NeRFの作成者はNeRFを作成しながらバイナリメッセージを直接埋め込むことができる。 我々のプラグアンドプレイ特性により、NeRF作成者は過度な修正を加えることなく、柔軟にNeRF変種を選択することができる。 新たに設計したプログレッシブ蒸留を利用して,先進的なニューラルレンダリング手法に匹敵する性能を示す。 我々のプロジェクトは以下の通りである。

関連論文リスト

• GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields [17.63137088783976]
  ニューラルラジアンスフィールド(NeRF)の再色化は、NeRFの色属性の変更プロセスを単純化した。 悪意のあるユーザーがNeRFモデルの色を変えて、その色を変えたバージョンを自称するのではないか、という懸念もあります。 我々は、NeRFモデルにバイナリメッセージをシームレスに統合するGeometryStickerを提案する。
  論文  参考訳（メタデータ） (2024-07-18T10:57:29Z)
• WateRF: Robust Watermarks in Radiance Fields for Protection of Copyrights [10.136998438185882]
  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。
  論文  参考訳（メタデータ） (2024-05-03T12:56:34Z)
• 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)
• 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)
• DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
  我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。 提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
  論文  参考訳（メタデータ） (2023-08-18T08:37:49Z)
• 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)
• Learning a Diffusion Prior for NeRFs [84.99454404653339]
  正規化グリッド上に符号化されたNeRFを生成するために拡散モデルを提案する。 提案モデルでは,現実的なNeRFのサンプル化が可能である一方で,条件付き世代を許容すると同時に,特定の観察をガイダンスとして与えることができることを示す。
  論文  参考訳（メタデータ） (2023-04-27T19:24:21Z)
• Removing Objects From Neural Radiance Fields [60.067117643543824]
  RGB-Dシーケンスから生成されたNeRF表現からオブジェクトを除去するフレームワークを提案する。 当社のNeRF塗装法は,最近の2次元画像塗装技術を活用し,ユーザが提供するマスクでガイドされる。 提案手法は多視点コヒーレントな方法で可塑性塗料の合成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-12-22T18:51:06Z)
• NeRF-RPN: A general framework for object detection in NeRFs [54.54613914831599]
  NeRF-RPNは、シーン内のオブジェクトのすべてのバウンディングボックスを検出することを目的としている。 NeRF-RPNは一般的なフレームワークであり、クラスラベルなしでオブジェクトを検出できる。
  論文  参考訳（メタデータ） (2022-11-21T17:02:01Z)
• VaxNeRF: Revisiting the Classic for Voxel-Accelerated Neural Radiance Field [28.087183395793236]
  本稿では,Voxel-Accelearated NeRF (VaxNeRF)を提案する。 VaxNeRFは、ハイパフォーマンスなJaxNeRF上での学習を約2～8倍高速化する。 VaxNeRFが新たなNeRF拡張とアプリケーションを強化し、加速できることを願っています。
  論文  参考訳（メタデータ） (2021-11-25T14:56:53Z)

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。