論文の概要: MultiNeRF: Multiple Watermark Embedding for Neural Radiance Fields
- arxiv url: http://arxiv.org/abs/2504.02517v1
- Date: Thu, 03 Apr 2025 12:06:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-04 12:56:24.200600
- Title: MultiNeRF: Multiple Watermark Embedding for Neural Radiance Fields
- Title（参考訳）: MultiNeRF: ニューラルラジアンスフィールドのための複数透かし埋め込み
- Authors: Yash Kulthe, Andrew Gilbert, John Collomosse,
- Abstract要約: MultiNeRFは、単一ニューラルネットワークフィールド(NeRF)モデルでレンダリングされた画像に、複数のユニークなキー付き透かしを埋め込む。
提案手法は,既存の形状と外観のグリッドと並行して専用の透かしグリッドを組み込むことにより,天相RF NeRFモデルを拡張した。
入力識別子に基づいて動的に透かしを活性化するFiLMベースの条件変調機構を提案する。
- 参考スコア（独自算出の注目度）: 13.564334218037777
- License:
- Abstract: We present MultiNeRF, a 3D watermarking method that embeds multiple uniquely keyed watermarks within images rendered by a single Neural Radiance Field (NeRF) model, whilst maintaining high visual quality. Our approach extends the TensoRF NeRF model by incorporating a dedicated watermark grid alongside the existing geometry and appearance grids. This extension ensures higher watermark capacity without entangling watermark signals with scene content. We propose a FiLM-based conditional modulation mechanism that dynamically activates watermarks based on input identifiers, allowing multiple independent watermarks to be embedded and extracted without requiring model retraining. MultiNeRF is validated on the NeRF-Synthetic and LLFF datasets, with statistically significant improvements in robust capacity without compromising rendering quality. By generalizing single-watermark NeRF methods into a flexible multi-watermarking framework, MultiNeRF provides a scalable solution for 3D content. attribution.
- Abstract（参考訳）: 我々は,1つのニューラルレージアンスフィールド(NeRF)モデルで表現された画像に,複数のユニークなキー付き透かしを埋め込む3次元透かし手法であるMultiNeRFを提案する。
提案手法は,既存の形状と外観のグリッドと並行して専用の透かしグリッドを組み込むことにより,天相RF NeRFモデルを拡張した。
この拡張により、シーン内容と透かし信号を絡めることなく、より高い透かし容量が確保される。
本研究では,入力識別子に基づいて動的に透かしを活性化するFiLMベースの条件変調機構を提案する。
MultiNeRF は NeRF-Synthetic と LLFF のデータセットで検証され,レンダリング品質を損なうことなく,ロバストキャパシティの統計的に有意な改善が得られた。
単一透かしNeRF法を柔軟なマルチ透かしフレームワークに一般化することにより、MultiNeRFは3Dコンテンツのためのスケーラブルなソリューションを提供する。
帰属だ
関連論文リスト
- SuperNeRF-GAN: A Universal 3D-Consistent Super-Resolution Framework for Efficient and Enhanced 3D-Aware Image Synthesis [59.73403876485574]
本稿では,3次元連続超解像のための汎用フレームワークであるSuperNeRF-GANを提案する。
SuperNeRF-GANの重要な特徴は、NeRFベースの3D認識画像合成手法とのシームレスな統合である。
実験により, 提案手法の効率性, 3次元整合性, 品質が示された。
論文 参考訳（メタデータ） (2025-01-12T10:31:33Z) - 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) - 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) - DiSR-NeRF: Diffusion-Guided View-Consistent Super-Resolution NeRF [50.458896463542494]
DiSR-NeRFは、ビュー一貫性を持つ超解像(SR)NeRFのための拡散誘導フレームワークである。
我々は,NeRFの固有多視点整合性により不整合問題を緩和するイテレーティブ3Dシンクロナイゼーション(I3DS)を提案する。
論文 参考訳（メタデータ） (2024-04-01T03:06:23Z) - 3D Visibility-aware Generalizable Neural Radiance Fields for Interacting
Hands [51.305421495638434]
ニューラル放射場(NeRF)は、シーン、オブジェクト、人間の3D表現を約束する。
本稿では,手動操作のための一般化可能な視認可能なNeRFフレームワークを提案する。
Interhand2.6Mデータセットの実験により、提案したVA-NeRFは従来のNeRFよりも著しく優れていることが示された。
論文 参考訳（メタデータ） (2024-01-02T00:42:06Z) - 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) - ZIGNeRF: Zero-shot 3D Scene Representation with Invertible Generative
Neural Radiance Fields [2.458437232470188]
ZIGNeRFは、ゼロショット生成アドリアスネットワーク(GAN)を逆さまに実行し、1つのドメイン外画像から多視点画像を生成する革新的なモデルである。
ZIGNeRFは、オブジェクトを背景から切り離し、360度回転や深さ、水平変換といった3D操作を実行することができる。
論文 参考訳（メタデータ） (2023-06-05T09:41:51Z) - NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from
3D-aware Diffusion [107.67277084886929]
単一の画像からの新しいビュー合成には、オブジェクトやシーンの隠蔽領域を推論すると同時に、入力とのセマンティックおよび物理的整合性を同時に維持する必要がある。
そこで我々は,NerfDiffを提案する。NerfDiffは3D対応条件拡散モデル(CDM)の知識を,テスト時に仮想ビューの集合を合成・精製することで,NeRFに抽出することでこの問題に対処する。
さらに,CDMサンプルから3次元一貫した仮想ビューを同時に生成し,改良された仮想ビューに基づいてNeRFを微調整する新しいNeRF誘導蒸留アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-20T17:12:00Z) - Deep Boosting Robustness of DNN-based Image Watermarking via DBMark [3.9394166162483835]
DNNベースの画像透かしの堅牢性を高めるために,新しいエンドツーエンドのデジタル透かしフレームワークDBMarkを提案する。
このフレームワークは,Invertible Neural Networksの強力な情報埋め込みと抽出機能との相乗化により,メッセージ処理による冗長性と誤り訂正機能を備えた透かしを生成する。
論文 参考訳（メタデータ） (2022-10-25T07:09:49Z) - NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。
提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文 参考訳（メタデータ） (2021-12-03T07:33:47Z) - NeRF++: Analyzing and Improving Neural Radiance Fields [117.73411181186088]
ニューラル・レージアンス・フィールド(NeRF)は、様々なキャプチャ設定のための印象的なビュー合成結果を達成する。
NeRFは、ビュー不変不透明度とビュー依存カラーボリュームを表す多層パーセプトロンを一連のトレーニング画像に適合させる。
大規模3次元シーンにおける物体の360度捕獲にNeRFを適用する際のパラメトリゼーション問題に対処する。
論文 参考訳（メタデータ） (2020-10-15T03:24:14Z)
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。