論文の概要: GS-Marker: Generalizable and Robust Watermarking for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2503.18718v1
- Date: Mon, 24 Mar 2025 14:29:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-25 14:34:04.048954
- Title: GS-Marker: Generalizable and Robust Watermarking for 3D Gaussian Splatting
- Title(参考訳): GS-Marker:3次元ガウス平滑化のための一般化可能かつロバストな透かし
- Authors: Lijiang Li, Jinglu Wang, Xiang Ming, Yan Lu,
- Abstract要約: 本稿では,3次元ガウススティング(3DGS)のためのシングルパス透かし手法を提案する。
GS-Markerという名前のフレームワークでは、メッセージの埋め込みに3Dエンコーダ、様々な歪みに対するレジリエンスを高めるために歪み層、レンダリングから透かしを抽出する2Dデコーダが組み込まれています。
- 参考スコア(独自算出の注目度): 17.880821149078066
- License:
- Abstract: In the Generative AI era, safeguarding 3D models has become increasingly urgent. While invisible watermarking is well-established for 2D images with encoder-decoder frameworks, generalizable and robust solutions for 3D remain elusive. The main difficulty arises from the renderer between the 3D encoder and 2D decoder, which disrupts direct gradient flow and complicates training. Existing 3D methods typically rely on per-scene iterative optimization, resulting in time inefficiency and limited generalization. In this work, we propose a single-pass watermarking approach for 3D Gaussian Splatting (3DGS), a well-known yet underexplored representation for watermarking. We identify two major challenges: (1) ensuring effective training generalized across diverse 3D models, and (2) reliably extracting watermarks from free-view renderings, even under distortions. Our framework, named GS-Marker, incorporates a 3D encoder to embed messages, distortion layers to enhance resilience against various distortions, and a 2D decoder to extract watermarks from renderings. A key innovation is the Adaptive Marker Control mechanism that adaptively perturbs the initially optimized 3DGS, escaping local minima and improving both training stability and convergence. Extensive experiments show that GS-Marker outperforms per-scene training approaches in terms of decoding accuracy and model fidelity, while also significantly reducing computation time.
- Abstract(参考訳): ジェネレーティブAIの時代では、3Dモデルの保護がますます緊急になっている。
エンコーダ-デコーダフレームワークを備えた2D画像には見えない透かしが十分に確立されているが、3Dのための一般化可能で堅牢なソリューションはいまだ解明されていない。
主な困難は、3Dエンコーダと2Dデコーダの間のレンダラーから生じ、これは直接勾配流を乱し、訓練を複雑にする。
既存の3D手法は、典型的にはシーンごとの反復最適化に依存しており、時間的非効率性と限定的な一般化をもたらす。
本研究では,3次元ガウススティング(3DGS)のためのシングルパス透かし手法を提案する。
本研究では,(1)多種多様な3次元モデルにまたがる効果的なトレーニングの確保,(2)歪み下においても自由視点レンダリングから確実に透かしを抽出すること,の2つの課題を同定する。
GS-Markerという名前のフレームワークでは、メッセージの埋め込みに3Dエンコーダ、様々な歪みに対するレジリエンスを高めるために歪み層、レンダリングから透かしを抽出する2Dデコーダが組み込まれています。
重要なイノベーションはAdaptive Marker Controlメカニズムで、初期最適化された3DGSを適応的に摂動させ、局所的なミニマを脱却し、トレーニングの安定性と収束性の両方を改善する。
大規模な実験により、GS-Markerはデコード精度とモデル忠実度の観点から、シーンごとのトレーニングアプローチよりも優れており、計算時間も大幅に削減されている。
関連論文リスト
- LiftImage3D: Lifting Any Single Image to 3D Gaussians with Video Generation Priors [107.83398512719981]
シングルイメージの3D再構成は、コンピュータビジョンの根本的な課題である。
遅延ビデオ拡散モデルの最近の進歩は、大規模ビデオデータから学ぶ有望な3D事前情報を提供する。
本稿では,LVDMの生成先行情報を効果的にリリースするフレームワークであるLiftImage3Dを提案する。
論文 参考訳(メタデータ) (2024-12-12T18:58:42Z) - 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) - 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) - 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) - 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) - DGE: Direct Gaussian 3D Editing by Consistent Multi-view Editing [72.54566271694654]
オープンな言語命令に基づいて3Dオブジェクトやシーンを編集する際の問題点を考察する。
この問題に対する一般的なアプローチは、3D編集プロセスをガイドするために2Dイメージジェネレータまたはエディタを使用することである。
このプロセスは、コストのかかる3D表現の反復的な更新を必要とするため、しばしば非効率である。
論文 参考訳(メタデータ) (2024-04-29T17:59:30Z) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳(メタデータ) (2024-03-26T17:21:24Z) - 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) - Make Encoder Great Again in 3D GAN Inversion through Geometry and
Occlusion-Aware Encoding [25.86312557482366]
3D GANインバージョンは、単一の画像入力から高い再構成忠実度と合理的な3D幾何を同時に達成することを目的としている。
本稿では,最も広く使用されている3D GANモデルの1つであるEG3Dに基づく,新しいエンコーダベースの逆変換フレームワークを提案する。
提案手法は,最大500倍高速に動作しながら,最適化手法に匹敵する印象的な結果が得られる。
論文 参考訳(メタデータ) (2023-03-22T05:51:53Z) - Joint-MAE: 2D-3D Joint Masked Autoencoders for 3D Point Cloud
Pre-training [65.75399500494343]
Masked Autoencoders (MAE) は、2Dおよび3Dコンピュータビジョンのための自己教師型学習において有望な性能を示した。
自己監督型3次元点雲事前学習のための2D-3DジョイントMAEフレームワークであるJoint-MAEを提案する。
論文 参考訳(メタデータ) (2023-02-27T17:56:18Z) - Improving 3D-aware Image Synthesis with A Geometry-aware Discriminator [68.0533826852601]
3Dを意識した画像合成は、画像のリアルな2D画像の描画が可能な生成モデルを学ぶことを目的としている。
既存の方法では、適度な3D形状が得られない。
本稿では,3次元GANの改良を目的とした幾何学的識別器を提案する。
論文 参考訳(メタデータ) (2022-09-30T17:59:37Z)
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。