論文の概要: Splats in Splats: Embedding Invisible 3D Watermark within Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2412.03121v1
• Date: Wed, 04 Dec 2024 08:40:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:07:10.796208
• Title: Splats in Splats: Embedding Invisible 3D Watermark within Gaussian Splatting
• Title（参考訳）: Splats in Splats: Inbedding Invisible 3D Watermark in Gaussian Splatting
• Authors: Yijia Guo, Wenkai Huang, Yang Li, Gaolei Li, Hang Zhang, Liwen Hu, Jianhua Li, Tiejun Huang, Lei Ma,
• Abstract要約: WaterGSは、バニラ3DGSの属性を変更することなく、3DGS自体に3Dコンテンツを埋め込む最初の3DGS透かしフレームワークである。 テストの結果、WaterGSは既存の3Dステガノグラフィー技術を大きく上回り、シーンの忠実度は5.31%、レンダリング速度は3倍に向上した。
• 参考スコア（独自算出の注目度）: 28.790625685438677
• License:
• Abstract: 3D Gaussian splatting (3DGS) has demonstrated impressive 3D reconstruction performance with explicit scene representations. Given the widespread application of 3DGS in 3D reconstruction and generation tasks, there is an urgent need to protect the copyright of 3DGS assets. However, existing copyright protection techniques for 3DGS overlook the usability of 3D assets, posing challenges for practical deployment. Here we describe WaterGS, the first 3DGS watermarking framework that embeds 3D content in 3DGS itself without modifying any attributes of the vanilla 3DGS. To achieve this, we take a deep insight into spherical harmonics (SH) and devise an importance-graded SH coefficient encryption strategy to embed the hidden SH coefficients. Furthermore, we employ a convolutional autoencoder to establish a mapping between the original Gaussian primitives' opacity and the hidden Gaussian primitives' opacity. Extensive experiments indicate that WaterGS significantly outperforms existing 3D steganography techniques, with 5.31% higher scene fidelity and 3X faster rendering speed, while ensuring security, robustness, and user experience. Codes and data will be released at https://water-gs.github.io.
• Abstract（参考訳）: 3D Gaussian splatting (3DGS) は鮮明なシーン表現を伴う印象的な3D再構成性能を示した。 3DGSの3D再構成・生成タスクへの広範な適用を考えると、3DGS資産の著作権保護が急務である。 しかし、既存の3DGSの著作権保護技術は、3D資産のユーザビリティを軽視し、実用的展開の難しさを浮き彫りにしている。 ここでは,バニラ3DGSの属性を変更することなく3DGS自体に3Dコンテンツを埋め込む,最初の3DGS透かしフレームワークであるWaterGSについて説明する。 これを実現するために、球面調和(SH)について深い洞察を得て、秘密のSH係数を埋め込むために重要度の高いSH係数暗号戦略を考案する。 さらに、畳み込みオートエンコーダを用いて、元のガウス原始者の不透明度と隠れガウス原始者の不透明度をマッピングする。 大規模な実験により、WaterGSは既存の3Dステガノグラフィー技術を大きく上回り、シーンの忠実度は5.31%、レンダリング速度は3倍に向上し、セキュリティ、堅牢性、ユーザエクスペリエンスが保証された。 コードとデータはhttps://water-gs.github.ioで公開される。

関連論文リスト

• CLIP-GS: Unifying Vision-Language Representation with 3D Gaussian Splatting [88.24743308058441]
  3DGSを基盤とした新しいマルチモーダル表現学習フレームワークであるCLIP-GSを提案する。 我々は,3DGS,画像,テキストの三重項を生成する効率的な方法を開発し,CLIP-GSによるマルチモーダル表現の学習を容易にする。
  論文  参考訳（メタデータ） (2024-12-26T09:54:25Z)
• WATER-GS: Toward Copyright Protection for 3D Gaussian Splatting via Universal Watermarking [44.335142946449245]
  Water-GSは、ユニバーサルな透かし戦略を通じて3DGS著作権を保護するために設計された新しい方法である。 そこで本研究では,3DGS生成モジュールを潜在的な透かしとして,事前学習した透かしデコーダを導入する。 点雲データの実世界の歪みに対して,埋め込み透かしのロバスト性を高めるために,新しい3次元歪み層を実装した。
  論文  参考訳（メタデータ） (2024-12-07T16:44:22Z)
• GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting [70.81218231206617]
  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。
  論文  参考訳（メタデータ） (2024-11-29T17:59:03Z)
• 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)
• WildGaussians: 3D Gaussian Splatting in the Wild [80.5209105383932]
  3DGSによる閉塞や外見の変化に対処する新しいアプローチであるWildGaussiansを紹介した。 我々はWildGaussianが3DGSとNeRFのベースラインを越えながら3DGSのリアルタイムレンダリング速度と一致していることを示す。
  論文  参考訳（メタデータ） (2024-07-11T12:41:32Z)
• 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)
• DOGS: Distributed-Oriented Gaussian Splatting for Large-Scale 3D Reconstruction Via Gaussian Consensus [56.45194233357833]
  3DGSを分散訓練するDoGaussianを提案する。 大規模シーンで評価すると,3DGSのトレーニングを6回以上高速化する。
  論文  参考訳（メタデータ） (2024-05-22T19:17:58Z)
• SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
  3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。 SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。 提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
  論文  参考訳（メタデータ） (2024-01-31T14:19:03Z)
• 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)

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。