論文の概要: GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields

• arxiv url: http://arxiv.org/abs/2407.13390v1
• Date: Thu, 18 Jul 2024 10:57:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 15:40:38.482824
• Title: GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields
• Title（参考訳）: GeometrySticker: 再カラー化ニューラルラディアンスフィールドの所有者権主張
• Authors: Xiufeng Huang, 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)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。
• 参考スコア（独自算出の注目度）: 17.63137088783976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remarkable advancements in the recolorization of Neural Radiance Fields (NeRF) have simplified the process of modifying NeRF's color attributes. Yet, with the potential of NeRF to serve as shareable digital assets, there's a concern that malicious users might alter the color of NeRF models and falsely claim the recolorized version as their own. To safeguard against such breaches of ownership, enabling original NeRF creators to establish rights over recolorized NeRF is crucial. While approaches like CopyRNeRF have been introduced to embed binary messages into NeRF models as digital signatures for copyright protection, the process of recolorization can remove these binary messages. In our paper, we present GeometrySticker, a method for seamlessly integrating binary messages into the geometry components of radiance fields, akin to applying a sticker. GeometrySticker can embed binary messages into NeRF models while preserving the effectiveness of these messages against recolorization. Our comprehensive studies demonstrate that GeometrySticker is adaptable to prevalent NeRF architectures and maintains a commendable level of robustness against various distortions. Project page: https://kevinhuangxf.github.io/GeometrySticker/.
• Abstract（参考訳）: ニューラルレイディアンスフィールド(NeRF)の再色化の顕著な進歩は、NeRFの色特性を変更する過程を単純化した。 しかし、NeRFがデジタル資産として機能する可能性を秘めているため、悪意のあるユーザーがNeRFモデルの色を変えて、その再カラー化バージョンを自称するのではないかと懸念されている。 このような所有権侵害から保護するためには、オリジナルのNeRFクリエーターが再彩色されたNeRFの権利を確立することが不可欠である。 CopyRNeRFのようなアプローチは、著作権保護のためのデジタルシグネチャとしてNeRFモデルにバイナリメッセージを埋め込むために導入されたが、リカラー化のプロセスはこれらのバイナリメッセージを削除できる。 そこで,本稿では,ステッカーの応用に類似した,放射場の幾何学的成分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。 GeometryStickerはバイナリメッセージをNeRFモデルに埋め込むことができ、再色化に対するこれらのメッセージの有効性を保存することができる。 我々の総合的研究は、GeometryStickerが一般的なNeRFアーキテクチャに適応できることを示し、様々な歪みに対する可換性を維持している。 プロジェクトページ: https://kevinhuangxf.github.io/GeometrySticker/。

関連論文リスト

• 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)
• Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
  ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。 本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。 我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
  論文  参考訳（メタデータ） (2024-04-15T17:59:57Z)
• 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)
• 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)
• Re-ReND: Real-time Rendering of NeRFs across Devices [56.081995086924216]
  Re-ReNDは、NeRFを標準グラフィックスパイプラインで効率的に処理できる表現に変換することで、リアルタイムのパフォーマンスを実現するように設計されている。 Re-ReNDはレンダリング速度が2.6倍に向上し、最先端技術では品質が損なわれることなく達成できることがわかった。
  論文  参考訳（メタデータ） (2023-03-15T15:59:41Z)
• PaletteNeRF: Palette-based Color Editing for NeRFs [16.49512200561126]
  本研究では,バニラNeRFの簡易かつ効果的な拡張であるPaletteNeRFを提案する。 提案手法は, 広い範囲のNeRF表現シーンにおいて, 効率的な, ビュー一貫性, アーティファクトのないカラー編集を実現する。
  論文  参考訳（メタデータ） (2022-12-25T08:01:03Z)
• 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)

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。