論文の概要: CompMarkGS: Robust Watermarking for Compressed 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2503.12836v3
- Date: Tue, 25 Mar 2025 05:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 10:43:47.392333
- Title: CompMarkGS: Robust Watermarking for Compressed 3D Gaussian Splatting
- Title(参考訳): CompMarkGS:圧縮された3Dガウススティングのためのロバストな透かし
- Authors: Sumin In, Youngdong Jang, Utae Jeong, MinHyuk Jang, Hyeongcheol Park, Eunbyung Park, Sangpil Kim,
- Abstract要約: 3DGSは数百万のガウシアンに依存しており、ギガバイトのストレージ、効率的な転送とストレージは圧縮を必要とする。
既存の3DGS透かし法は量子化に基づく圧縮に弱いため、しばしば埋め込み透かしが失われる。
本研究では,モデル圧縮後の透かしの堅牢性を保証し,高いレンダリング品質を維持しつつ,新しい透かし方式を提案する。
- 参考スコア(独自算出の注目度): 3.6711067779088555
- License:
- Abstract: 3D Gaussian Splatting (3DGS) enables rapid differentiable rendering for 3D reconstruction and novel view synthesis, leading to its widespread commercial use. Consequently, copyright protection via watermarking has become critical. However, because 3DGS relies on millions of Gaussians, which require gigabytes of storage, efficient transfer and storage require compression. Existing 3DGS watermarking methods are vulnerable to quantization-based compression, often resulting in the loss of the embedded watermark. To address this challenge, we propose a novel watermarking method that ensures watermark robustness after model compression while maintaining high rendering quality. In detail, we incorporate a quantization distortion layer that simulates compression during training, preserving the watermark under quantization-based compression. Also, we propose a learnable watermark embedding feature that embeds the watermark into the anchor feature, ensuring structural consistency and seamless integration into the 3D scene. Furthermore, we present a frequency-aware anchor growing mechanism to enhance image quality in high-frequency regions by effectively identifying Guassians within these regions. Experimental results confirm that our method preserves the watermark and maintains superior image quality under high compression, validating it as a promising approach for a secure 3DGS model.
- Abstract(参考訳): 3D Gaussian Splatting (3DGS)は、3D再構成と新しいビュー合成のための高速な微分レンダリングを可能にし、商業的に広く利用されている。
その結果、透かしによる著作権保護が重要になっている。
しかし、3DGSは数百万のガウシアンに依存しているため、ギガバイトのストレージを必要とするため、効率的な転送とストレージは圧縮を必要とする。
既存の3DGS透かし法は量子化に基づく圧縮に弱いため、しばしば埋め込み透かしが失われる。
そこで本研究では,高いレンダリング品質を維持しつつ,モデル圧縮後の透かしの堅牢性を保証する新しい透かし手法を提案する。
詳しくは、量子化に基づく圧縮の下で透かしを保存し、トレーニング中に圧縮をシミュレートする量子化歪み層を組み込む。
また,学習可能な透かし埋め込み機能を提案し,透かしをアンカー機能に埋め込み,構造的整合性と3Dシーンへのシームレスな統合性を確保する。
さらに,これらの領域内のグアシアンを効果的に同定し,高周波数領域の画質を高めるために,周波数認識型アンカー成長機構を提案する。
実験の結果,提案手法は透かしを保存し,高い圧縮条件下で画像品質を保ち,セキュアな3DGSモデルへの有望なアプローチとして検証した。
関連論文リスト
- SuperMark: Robust and Training-free Image Watermarking via Diffusion-based Super-Resolution [27.345134138673945]
我々は、堅牢でトレーニング不要な透かしフレームワークであるSuperMarkを提案する。
SuperMarkは既存の手法を使って初期ガウスノイズに透かしを埋め込む。
次に、トレーニング済みの超解像モデルを適用して、透かしのノイズを消音し、最終的な透かしの画像を生成する。
抽出には、透かし画像がDDIM変換により初期透かしノイズに逆戻りされ、埋め込み透かしが抽出される。
実験により、SuperMarkは既存のメソッドに匹敵する忠実性を達成し、ロバスト性を大幅に改善した。
論文 参考訳(メタデータ) (2024-12-13T11:20:59Z) - 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) - 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) - 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) - Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。
FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
論文 参考訳(メタデータ) (2024-10-10T15:13:08Z) - 3D-GSW: 3D Gaussian Splatting for Robust Watermarking [5.52538716292462]
モデルとレンダリング画像の両方の所有権を確保する3D-GSのためのロバストな透かし方式を提案する。
提案手法は高いレンダリング品質を維持しながら、レンダリング画像の歪みやモデルアタックに対して頑健である。
論文 参考訳(メタデータ) (2024-09-20T05:16:06Z) - Certifiably Robust Image Watermark [57.546016845801134]
ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。
ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。
本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
論文 参考訳(メタデータ) (2024-07-04T17:56:04Z) - A Training-Free Plug-and-Play Watermark Framework for Stable Diffusion [47.97443554073836]
既存のアプローチには、トレーサビリティと責任帰属のために生成されたイメージに透かしを埋め込むためのトレーニングコンポーネントやSD全体が含まれる。
AI生成コンテンツ(AIGC)の時代において、SDの迅速なイテレーションは、ウォーターマークモデルによる再トレーニングをコストがかかる。
SDのためのトレーニング不要なプラグアンドプレイ透かしフレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-08T15:29:46Z) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳(メタデータ) (2021-12-17T15:52:46Z)
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。