論文の概要: The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields

• arxiv url: http://arxiv.org/abs/2502.19125v1
• Date: Wed, 26 Feb 2025 13:27:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:57:30.241483
• Title: The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields
• Title（参考訳）: NeRFシグナチャ:ニューラルラジアンスフィールドのためのコードブック支援透かし
• Authors: Ziyuan Luo, Anderson Rocha, Boxin Shi, Qing Guo, Haoliang Li, Renjie Wan,
• Abstract要約: 我々は,NeRFの新しい透かし方式であるNeRFシグナチャを提案する。 我々は、モデル構造を変更しないコードブック支援署名埋め込み(CSE)を採用している。 また、署名をパッチに隠すための共同ポーズパッチ暗号透かし戦略も導入する。
• 参考スコア（独自算出の注目度）: 77.76790894639036
• License:
• Abstract: Neural Radiance Fields (NeRF) have been gaining attention as a significant form of 3D content representation. With the proliferation of NeRF-based creations, the need for copyright protection has emerged as a critical issue. Although some approaches have been proposed to embed digital watermarks into NeRF, they often neglect essential model-level considerations and incur substantial time overheads, resulting in reduced imperceptibility and robustness, along with user inconvenience. In this paper, we extend the previous criteria for image watermarking to the model level and propose NeRF Signature, a novel watermarking method for NeRF. We employ a Codebook-aided Signature Embedding (CSE) that does not alter the model structure, thereby maintaining imperceptibility and enhancing robustness at the model level. Furthermore, after optimization, any desired signatures can be embedded through the CSE, and no fine-tuning is required when NeRF owners want to use new binary signatures. Then, we introduce a joint pose-patch encryption watermarking strategy to hide signatures into patches rendered from a specific viewpoint for higher robustness. In addition, we explore a Complexity-Aware Key Selection (CAKS) scheme to embed signatures in high visual complexity patches to enhance imperceptibility. The experimental results demonstrate that our method outperforms other baseline methods in terms of imperceptibility and robustness. The source code is available at: https://github.com/luo-ziyuan/NeRF_Signature.
• Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)は3次元コンテンツ表現の重要な形態として注目されている。 NeRFベースの創造物の普及に伴い、著作権保護の必要性が重要な問題として浮上した。 デジタル透かしをNeRFに埋め込む方法が提案されているが、基本的なモデルレベルの考慮を無視し、かなりの時間的オーバーヘッドを発生させることがしばしばあり、ユーザの不便さとともに、不知覚と堅牢さが減少する。 本稿では,従来の画像透かし基準をモデルレベルまで拡張し,新しい透かし方式であるNeRFシグナチャを提案する。 我々は、モデル構造を変更しないコードブック支援署名埋め込み(CSE)を採用し、それによって、モデルレベルでの認識不能を維持し、堅牢性を高める。 さらに最適化後、任意の所望のシグネチャをCSEに埋め込むことができ、NeRFオーナが新しいバイナリシグネチャを使いたい場合、微調整は不要である。 そこで我々は,署名を特定の視点から描画したパッチに隠蔽し,ロバスト性を高めるための共同ポーズパッチ暗号透かし手法を提案する。 さらに,視覚的複雑度の高いパッチにシグネチャを埋め込む複雑なキー選択(CAKS)方式を検討した。 実験結果から,本手法は非受容性とロバスト性の観点から,他のベースライン法よりも優れていることが示された。 ソースコードは、https://github.com/luo-ziyuan/NeRF_Signature.comで入手できる。

関連論文リスト

• RoboSignature: Robust Signature and Watermarking on Network Attacks [0.5461938536945723]
  本稿では,モデルが意図した透かしを埋め込む能力を阻害する新たな逆調整攻撃を提案する。 本研究は, 発生システムにおける潜在的な脆弱性を予知し, 防御することの重要性を強調した。
  論文  参考訳（メタデータ） (2024-12-22T04:36:27Z)
• DreaMark: Rooting Watermark in Score Distillation Sampling Generated Neural Radiance Fields [25.545098217655564]
  我々は、NeRF生成中にNeRFをバックドアすることで秘密メッセージを埋め込むDreamarkを提案する。 画像およびモデルレベルの攻撃に対する生成品質と透かしの堅牢性を評価する。
  論文  参考訳（メタデータ） (2024-12-18T03:27:13Z)
• 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)
• AquaLoRA: Toward White-box Protection for Customized Stable Diffusion Models via Watermark LoRA [67.68750063537482]
  拡散モデルは高品質な画像の生成において顕著な成功を収めた。 最近の研究は、SDモデルがポストホック法医学のための透かし付きコンテンツを出力できるようにすることを目的としている。 このシナリオにおける最初の実装としてtextttmethod を提案する。
  論文  参考訳（メタデータ） (2024-05-18T01:25:47Z)
• 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)
• Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T13:30:10Z)
• 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)
• Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs [23.639074918667625]
  ホワイトボックス攻撃に対するロバスト性を向上したGANのための新しいマルチビット・ボックスフリー透かし手法を提案する。 透かしは、GANトレーニング中に余分な透かし損失項を追加することで埋め込む。 その結果,透かしの存在が画像の品質に与える影響は無視できることがわかった。
  論文  参考訳（メタデータ） (2023-10-25T18:38:10Z)
• Reversible Quantization Index Modulation for Static Deep Neural Network Watermarking [57.96787187733302]
  可逆的データ隠蔽法(RDH)は潜在的な解決策を提供するが、既存のアプローチはユーザビリティ、キャパシティ、忠実性の面で弱点に悩まされている。 量子化指数変調(QIM)を用いたRDHに基づく静的DNN透かし手法を提案する。 提案手法は,透かし埋め込みのための1次元量化器に基づく新しい手法を取り入れたものである。
  論文  参考訳（メタデータ） (2023-05-29T04:39:17Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)

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。