論文の概要: Geometry Cloak: Preventing TGS-based 3D Reconstruction from Copyrighted Images

• arxiv url: http://arxiv.org/abs/2410.22705v1
• Date: Wed, 30 Oct 2024 05:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:27:45.399909
• Title: Geometry Cloak: Preventing TGS-based 3D Reconstruction from Copyrighted Images
• Title（参考訳）: Geometry Cloak:著作権のある画像からTGSベースの3D再構成を防ぐ
• Authors: Qi Song, Ziyuan Luo, Ka Chun Cheung, Simon See, Renjie Wan,
• Abstract要約: 本研究では,目に見える幾何学的摂動をイメージに埋め込んだ新しい画像保護手法を提案する。 TGSがクローク画像の3D再構成を試みたときに、カスタマイズされたメッセージが符号化される。 出力品質を低下させる従来の敵攻撃とは異なり、我々の方法では、TGSは特定の方法で3D再構成を失敗させます。 この透かしにより、著作権所有者は保護された画像から作られたあらゆる3D再構築の試みに対して所有権を主張することができる。
• 参考スコア（独自算出の注目度）: 29.545874014535297
• License:
• Abstract: Single-view 3D reconstruction methods like Triplane Gaussian Splatting (TGS) have enabled high-quality 3D model generation from just a single image input within seconds. However, this capability raises concerns about potential misuse, where malicious users could exploit TGS to create unauthorized 3D models from copyrighted images. To prevent such infringement, we propose a novel image protection approach that embeds invisible geometry perturbations, termed "geometry cloaks", into images before supplying them to TGS. These carefully crafted perturbations encode a customized message that is revealed when TGS attempts 3D reconstructions of the cloaked image. Unlike conventional adversarial attacks that simply degrade output quality, our method forces TGS to fail the 3D reconstruction in a specific way - by generating an identifiable customized pattern that acts as a watermark. This watermark allows copyright holders to assert ownership over any attempted 3D reconstructions made from their protected images. Extensive experiments have verified the effectiveness of our geometry cloak. Our project is available at https://qsong2001.github.io/geometry_cloak.
• Abstract（参考訳）: Triplane Gaussian Splatting (TGS)のようなシングルビューの3D再構成手法は、1枚の画像入力から数秒で高品質な3Dモデルを生成することができる。 しかし、この機能は、悪意のあるユーザーがTGSを利用して著作権のある画像から無許可の3Dモデルを作成するという、潜在的な誤用に関する懸念を引き起こす。 このような侵害を防止するため,TGSに供給する前に「幾何学的マント」と呼ばれる目に見えない幾何学的摂動を画像に埋め込む新しい画像保護手法を提案する。 TGSがクローク画像の3D再構成を試みたときに、これらの注意深い摂動が、カスタマイズされたメッセージをエンコードする。 出力品質を低下させる従来の敵攻撃とは異なり、我々の方法はTGSに、透かしとして機能する識別可能なカスタマイズパターンを生成することで、特定の方法で3D再構成を失敗させます。 この透かしにより、著作権所有者は保護された画像から作られたあらゆる3D再構築の試みに対して所有権を主張することができる。 大規模な実験により、我々の幾何学的マントの有効性が検証された。 私たちのプロジェクトはhttps://qsong 2001.github.io/geometry_cloak.comで公開されています。

関連論文リスト

• 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)
• Deep Geometric Moments Promote Shape Consistency in Text-to-3D Generation [27.43973967994717]
  MT3Dは高忠実度3Dオブジェクトを利用して視点バイアスを克服するテキスト・ツー・3D生成モデルである。 生成した2次元画像が基本形状と構造を保持することを保証するために,高品質な3次元モデルから導出される深度マップを制御信号として利用する。 3Dアセットから幾何学的詳細を取り入れることで、MT3Dは多様で幾何学的に一貫したオブジェクトを作成することができる。
  論文  参考訳（メタデータ） (2024-08-12T06:25:44Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• GS-Hider: Hiding Messages into 3D Gaussian Splatting [18.16759704305008]
  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。
  論文  参考訳（メタデータ） (2024-05-24T00:18:15Z)
• Garment3DGen: 3D Garment Stylization and Texture Generation [11.836357439129301]
  Garment3DGenは、単一の入力イメージをガイダンスとして与えられたベースメッシュから3Dの衣服資産を合成する新しい方法である。 画像から3Dへの拡散手法の最近の進歩を生かして, 3次元の衣服測地を創出する。 我々は、グローバルかつ局所的に一貫した高忠実なテクスチャマップを生成し、入力ガイダンスを忠実にキャプチャする。
  論文  参考訳（メタデータ） (2024-03-27T17:59:33Z)
• Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
  StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。 対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。 本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T18:49:50Z)
• 3D GAN Inversion with Facial Symmetry Prior [42.22071135018402]
  3D GANとGANの反転法を関連付けて、実際の画像をジェネレータの潜伏空間に投影することは自然である。 顔の対称性を事前に導入することで3D GANのインバージョンを促進する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-11-30T11:57:45Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• CGOF++: Controllable 3D Face Synthesis with Conditional Generative Occupancy Fields [52.14985242487535]
  生成した顔画像の3次元制御性を実現する条件付き3次元顔合成フレームワークを提案する。 中心となるのは条件付き生成操作場(cGOF++)であり、それによって生成された顔の形状が与えられた3Dモルファブルモデル(3DMM)メッシュに適合するように効果的に強制される。 提案手法の有効性を検証し, 最先端の2次元顔合成法よりも高精度な3次元制御性を示す実験を行った。
  論文  参考訳（メタデータ） (2022-11-23T19:02:50Z)
• Improving 3D-aware Image Synthesis with A Geometry-aware Discriminator [68.0533826852601]
  3Dを意識した画像合成は、画像のリアルな2D画像の描画が可能な生成モデルを学ぶことを目的としている。 既存の方法では、適度な3D形状が得られない。 本稿では,3次元GANの改良を目的とした幾何学的識別器を提案する。
  論文  参考訳（メタデータ） (2022-09-30T17:59:37Z)
• OSTeC: One-Shot Texture Completion [86.23018402732748]
  ワンショット3D顔テクスチャ補完のための教師なしアプローチを提案する。 提案手法では,2次元フェースジェネレータで回転画像を再構成することにより,入力画像を3次元で回転させ,見えない領域を埋め込む。 完成したテクスチャーをジェネレーターに投影することで、ターゲットイメージを先取りします。
  論文  参考訳（メタデータ） (2020-12-30T23:53:26Z)

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。