論文の概要: All That Glitters Is Not Gold: Key-Secured 3D Secrets within 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2503.07191v1
• Date: Mon, 10 Mar 2025 11:21:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:49:46.457658
• Title: All That Glitters Is Not Gold: Key-Secured 3D Secrets within 3D Gaussian Splatting
• Title（参考訳）: グリッターは金ではない。鍵で守られた3D秘密は3Dガウシアン製
• Authors: Yan Ren, Shilin Lu, Adams Wai-Kin Kong,
• Abstract要約: KeySSは、新しいエンドツーエンドのキー・ツー・エンドの3Dステガノグラフィーフレームワークである。 マルチシークレットの隠蔽と不正アクセス防止を可能にするキー制御可能な機構を備えている。 高いセキュリティレベルを維持しつつ、隠蔽と秘密の再構築の両方において最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 12.651540251589635
• License:
• Abstract: Recent advances in 3D Gaussian Splatting (3DGS) have revolutionized scene reconstruction, opening new possibilities for 3D steganography by hiding 3D secrets within 3D covers. The key challenge in steganography is ensuring imperceptibility while maintaining high-fidelity reconstruction. However, existing methods often suffer from detectability risks and utilize only suboptimal 3DGS features, limiting their full potential. We propose a novel end-to-end key-secured 3D steganography framework (KeySS) that jointly optimizes a 3DGS model and a key-secured decoder for secret reconstruction. Our approach reveals that Gaussian features contribute unequally to secret hiding. The framework incorporates a key-controllable mechanism enabling multi-secret hiding and unauthorized access prevention, while systematically exploring optimal feature update to balance fidelity and security. To rigorously evaluate steganographic imperceptibility beyond conventional 2D metrics, we introduce 3D-Sinkhorn distance analysis, which quantifies distributional differences between original and steganographic Gaussian parameters in the representation space. Extensive experiments demonstrate that our method achieves state-of-the-art performance in both cover and secret reconstruction while maintaining high security levels, advancing the field of 3D steganography. Code is available at https://github.com/RY-Paper/KeySS
• Abstract（参考訳）: 近年の3D Gaussian Splatting(3DGS)の進歩はシーン再構築に革命をもたらし、3Dカバー内に3Dシークレットを隠蔽することで3Dステガノグラフィーの新たな可能性を開く。 ステガノグラフィーにおける鍵となる課題は、高忠実度再建を維持しながら、不受容性を確保することである。 しかし、既存の手法はしばしば検出可能性のリスクに悩まされ、最適な3DGS機能のみを使用し、その潜在能力を最大限に制限する。 本稿では,3DGSモデルと秘密再構成のための鍵セキュアデコーダを共同で最適化する,新しいキー・ツー・エンド3Dステガノグラフィー・フレームワーク(KeySS)を提案する。 我々のアプローチは、ガウス的特徴が秘密隠蔽に不平等に寄与していることを明らかにする。 このフレームワークには、マルチシークレットの隠蔽と不正アクセス防止を可能にするキー制御可能なメカニズムが組み込まれている。 本研究では,従来の2次元計測値を超えた立体的非知覚性を評価するために,表現空間における原点と立体的ガウスパラメータの分布差を定量化する3D-シンクホーン距離解析を導入する。 広範囲にわたる実験により,3次元ステガノグラフィーの分野を進展させつつ,高いセキュリティレベルを維持しつつ,隠蔽と秘密再構築の両面において最先端の性能を達成できることが実証された。 コードはhttps://github.com/RY-Paper/KeySSで入手できる。

関連論文リスト

• ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
  3D-GSは、しばしば豊富な詳細と完全な幾何学を捉えるのに苦労する。 本稿では, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。 提案手法は, 詳細を適応的に検索し, 欠落した幾何を補うとともに, 進歩的な洗練を可能にする。
  論文  参考訳（メタデータ） (2024-12-10T13:19:27Z)
• Splats in Splats: Embedding Invisible 3D Watermark within Gaussian Splatting [28.790625685438677]
  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。
  論文  参考訳（メタデータ） (2024-12-04T08:40:11Z)
• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• 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)
• 3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting [58.95801720309658]
  本稿では,3次元ガウス散乱(3DGS),すなわち3DGSRを用いた暗黙的表面再構成法を提案する。 重要な洞察は、暗黙の符号付き距離場(SDF)を3Dガウスに組み込んで、それらが整列され、共同最適化されるようにすることである。 実験により, 3DGSの効率とレンダリング品質を保ちながら, 高品質な3D表面再構成が可能な3DGSR法が実証された。
  論文  参考訳（メタデータ） (2024-03-30T16:35:38Z)
• latentSplat: Autoencoding Variational Gaussians for Fast Generalizable 3D Reconstruction [48.86083272054711]
  latentSplatは3D潜在空間における意味ガウスを予測し、軽量な生成型2Dアーキテクチャで切り落としてデコードする手法である。 latentSplatは、高速でスケーラブルで高解像度なデータでありながら、復元品質と一般化におけるこれまでの成果よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-24T20:48:36Z)
• 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)
• 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)

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。