論文の概要: GuardSplat: Robust and Efficient Watermarking for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2411.19895v1
• Date: Fri, 29 Nov 2024 17:59:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:21:04.980520
• Title: GuardSplat: Robust and Efficient Watermarking for 3D Gaussian Splatting
• Title（参考訳）: GuardSplat:3Dガウススティングのためのロバストで効率的な透かし
• Authors: Zixuan Chen, Guangcong Wang, Jiahao Zhu, Jianhuang Lai, Xiaohua Xie,
• Abstract要約: 3D Gaussian Splatting (3DGS)は、最近、様々なアプリケーションのための印象的な資産を作成した。 既存の透かし方式は、セキュリティ、キャパシティ、可視性を考慮して3DGSには適していない。 本稿では、3DGS資産の著作権を効果的に保護する革新的で効率的なフレームワークであるGuardSplatを提案する。
• 参考スコア（独自算出の注目度）: 70.81218231206617
• License:
• Abstract: 3D Gaussian Splatting (3DGS) has recently created impressive assets for various applications. However, the copyright of these assets is not well protected as existing watermarking methods are not suited for 3DGS considering security, capacity, and invisibility. Besides, these methods often require hours or even days for optimization, limiting the application scenarios. In this paper, we propose GuardSplat, an innovative and efficient framework that effectively protects the copyright of 3DGS assets. Specifically, 1) We first propose a CLIP-guided Message Decoupling Optimization module for training the message decoder, leveraging CLIP's aligning capability and rich representations to achieve a high extraction accuracy with minimal optimization costs, presenting exceptional capability and efficiency. 2) Then, we propose a Spherical-harmonic-aware (SH-aware) Message Embedding module tailored for 3DGS, which employs a set of SH offsets to seamlessly embed the message into the SH features of each 3D Gaussian while maintaining the original 3D structure. It enables the 3DGS assets to be watermarked with minimal fidelity trade-offs and prevents malicious users from removing the messages from the model files, meeting the demands for invisibility and security. 3) We further propose an Anti-distortion Message Extraction module to improve robustness against various visual distortions. Extensive experiments demonstrate that GuardSplat outperforms the state-of-the-art methods and achieves fast optimization speed.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、最近、様々なアプリケーションのための印象的な資産を作成した。 しかし、これらの資産の著作権は、セキュリティ、キャパシティ、可視性を考慮して既存の透かし法が3DGSに適していないため、あまり保護されていない。 さらに、これらのメソッドは最適化に数時間や数日を要し、アプリケーションのシナリオを制限します。 本稿では、3DGS資産の著作権を効果的に保護する革新的で効率的なフレームワークであるGuardSplatを提案する。 具体的には 1) メッセージデコーダをトレーニングするためのCLIP誘導メッセージデカップリング最適化モジュールを提案する。 2) 3DGS用に調整されたSpherical-harmonic-aware (SH-aware) Message Embeddingモジュールを提案する。 これにより、3DGSの資産を最小限の忠実度トレードオフで透かし、悪意のあるユーザーがモデルファイルからメッセージを削除し、可視性とセキュリティの要求を満たすのを防ぐことができる。 3) 様々な視覚的歪みに対する頑健性を改善するために, アンチ・ディストーション・メッセージ抽出モジュールを提案する。 大規模な実験では、GuardianSplatは最先端の手法より優れ、高速な最適化速度を実現している。

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)
• Poison-splat: Computation Cost Attack on 3D Gaussian Splatting [90.88713193520917]
  3DGSで見過ごされてきた重大なセキュリティ脆弱性を明らかにします。 相手は入力画像に毒を加えることで、3DGSトレーニングに必要な計算メモリと時間を大幅に増加させることができる。 このような計算コスト攻撃は、二段階最適化問題に対処することで達成される。
  論文  参考訳（メタデータ） (2024-10-10T17:57:29Z)
• UW-GS: Distractor-Aware 3D Gaussian Splatting for Enhanced Underwater Scene Reconstruction [15.624536266709633]
  3D Gaussian splatting (3DGS) はリアルタイムの高品質な3Dシーンレンダリングを実現する機能を提供する。 しかし、3DGSは、シーンが透明な中性環境にあると仮定し、水中のシーンで満足できる表現を生成するのに苦労している。 水中用途に特化して設計された新しいガウススプラッティング方式UW-GSを提案する。
  論文  参考訳（メタデータ） (2024-10-02T13:08:56Z)
• Towards Secure and Usable 3D Assets: A Novel Framework for Automatic Visible Watermarking [11.176240030501184]
  3Dモデル(特にAI生成モデル)は、エンターテイメントなどさまざまな業界で最近急増している。 我々は、透かしの品質と資産性という2つの競合する側面から、3D視覚的な透かしを自動化するための新しいタスクを厳格に定義する。 そこで本稿では,任意の3D資産上に配置する適切な位置,向き,個数を自動的に決定する透かしを埋め込む手法を提案する。
  論文  参考訳（メタデータ） (2024-08-31T00:52:29Z)
• SpotlessSplats: Ignoring Distractors in 3D Gaussian Splatting [44.42317312908314]
  3D Gaussian Splatting (3DGS)は、3D再構成のための有望な技術であり、効率的なトレーニングとレンダリング速度を提供する。 現在の手法では、3DGSのビュー間の一貫性の仮定を満たすために、高度に制御された環境が必要である。 SpotLessSplatsは、トレーニング済みと汎用の機能と頑健な最適化を併用して、過渡的障害を効果的に無視するアプローチである。
  論文  参考訳（メタデータ） (2024-06-28T17:07:11Z)
• ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
  我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。 我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
  論文  参考訳（メタデータ） (2024-05-31T09:23:39Z)
• 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)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
  Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。 我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。 実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
  論文  参考訳（メタデータ） (2024-04-15T04:50:39Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。