論文の概要: GenPTW: In-Generation Image Watermarking for Provenance Tracing and Tamper Localization
- arxiv url: http://arxiv.org/abs/2504.19567v1
- Date: Mon, 28 Apr 2025 08:21:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.35797
- Title: GenPTW: In-Generation Image Watermarking for Provenance Tracing and Tamper Localization
- Title（参考訳）: GenPTW:Provenance TracingとTamper Localizationのためのインジェネレーション画像透かし
- Authors: Zhenliang Gan, Chunya Liu, Yichao Tang, Binghao Wang, Weiqiang Wang, Xinpeng Zhang,
- Abstract要約: GenPTWは潜在拡散モデル(LDM)のためのインジェネレーション画像透かしフレームワークである
画像生成フェーズ中に構造化された透かし信号を埋め込んで、統一されたプロファイランストレースとタンパーローカライゼーションを可能にする。
実験により、GenPTWは画像の忠実度、透かし抽出精度、改ざん性能において既存の手法よりも優れていることが示された。
- 参考スコア（独自算出の注目度）: 32.843425702098116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid development of generative image models has brought tremendous opportunities to AI-generated content (AIGC) creation, while also introducing critical challenges in ensuring content authenticity and copyright ownership. Existing image watermarking methods, though partially effective, often rely on post-processing or reference images, and struggle to balance fidelity, robustness, and tamper localization. To address these limitations, we propose GenPTW, an In-Generation image watermarking framework for latent diffusion models (LDMs), which integrates Provenance Tracing and Tamper Localization into a unified Watermark-based design. It embeds structured watermark signals during the image generation phase, enabling unified provenance tracing and tamper localization. For extraction, we construct a frequency-coordinated decoder to improve robustness and localization precision in complex editing scenarios. Additionally, a distortion layer that simulates AIGC editing is introduced to enhance robustness. Extensive experiments demonstrate that GenPTW outperforms existing methods in image fidelity, watermark extraction accuracy, and tamper localization performance, offering an efficient and practical solution for trustworthy AIGC image generation.
- Abstract（参考訳）: 生成画像モデルの急速な発展は、AIGC(AIGC)作成に大きな機会をもたらし、コンテンツの信頼性と著作権の所有を保証する上で重要な課題ももたらした。
既存の画像透かし法は部分的に有効であるが、後処理や参照画像に依存し、忠実さ、堅牢性、改ざんのバランスをとるのに苦労することが多い。
これらの制約に対処するため、我々は潜在拡散モデル(LDM)のためのインジェネレーション画像透かしフレームワークであるGenPTWを提案し、このフレームワークはProvenance TracingとTamper Localizationを一体化したWatermarkベースの設計に統合する。
画像生成フェーズ中に構造化された透かし信号を埋め込んで、統一されたプロファイランストレースとタンパーローカライゼーションを可能にする。
抽出のために、複雑な編集シナリオにおけるロバストネスとローカライズ精度を向上させるために周波数協調デコーダを構築する。
さらに、堅牢性を高めるため、AIGC編集をシミュレートする歪み層が導入された。
GenPTWは画像の忠実度、透かし抽出精度、ローカライゼーション性能において既存の手法よりも優れており、信頼できるAIGC画像生成のための効率的で実用的なソリューションを提供する。
関連論文リスト
- TriniMark: A Robust Generative Speech Watermarking Method for Trinity-Level Attribution [3.1682080884953736]
本稿では,生成したコンテンツを認証するための生成的textbfspeech wattextbfermarking法(TriniMark)を提案する。
まず、音声の時間領域特徴に透かしを埋め込む構造軽量透かしエンコーダを設計する。
ビットワイドウォーターマーク回復のためのウォーターマーク復号器において、時間対応ゲート畳み込みネットワークを巧みに設計する。
論文 参考訳（メタデータ） (2025-04-29T08:23:28Z) - Gaussian Shading++: Rethinking the Realistic Deployment Challenge of Performance-Lossless Image Watermark for Diffusion Models [66.54457339638004]
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,実世界の展開に適した拡散モデル透かし手法を提案する。
Gaussian Shading++はパフォーマンスのロスレス性を維持するだけでなく、ロバスト性の観点からも既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2025-04-21T11:18:16Z) - TraceMark-LDM: Authenticatable Watermarking for Latent Diffusion Models via Binary-Guided Rearrangement [21.94988216476109]
我々は,非破壊的な性能を保証しつつ,画像の属性付けに透かしを統合するアルゴリズムであるTraceMark-LDMを紹介する。
TraceMark-LDMを用いて合成された画像は、最先端技術(SOTA)と比較して品質と属性の精度が優れている。
論文 参考訳（メタデータ） (2025-03-30T06:23:53Z) - Safe-VAR: Safe Visual Autoregressive Model for Text-to-Image Generative Watermarking [18.251123923955397]
自己回帰学習はテキストと画像の生成において支配的なアプローチとなり、高い効率と視覚的品質を提供する。
拡散モデルのために設計された既存の透かし法は、しばしばVARモデルのシーケンシャルな性質に適応するのに苦労する。
自動回帰テキスト・画像生成に特化して設計された最初のウォーターマーキングフレームワークであるSafe-VARを提案する。
論文 参考訳（メタデータ） (2025-03-14T11:45:10Z) - Lost in Edits? A $λ$-Compass for AIGC Provenance [119.95562081325552]
本稿では,実測出力と操作された出力を頑健に識別し,識別する新しい潜在空間属性法を提案する。
LambdaTracerは、InstructPix2Pixのようなテキスト誘導編集ツールによって自動化されるか、Adobe Photoshopのような編集ソフトウェアで手動で実行されるか、様々な反復編集プロセスで有効である。
論文 参考訳（メタデータ） (2025-02-05T06:24:25Z) - OmniGuard: Hybrid Manipulation Localization via Augmented Versatile Deep Image Watermarking [20.662260046296897]
既存の多用途透かしアプローチは、タンパーの局所化精度と視覚的品質のトレードオフに悩まされている。
オムニガード(OmniGuard)は、能動的埋め込みと受動的、視覚的抽出を統合した新しい多目的透かし手法である。
コンテナ画像のPSNRは4.25dB、ノイズ条件ではF1スコアは20.7%、平均ビット精度は14.8%である。
論文 参考訳（メタデータ） (2024-12-02T15:38:44Z) - Uniform Attention Maps: Boosting Image Fidelity in Reconstruction and Editing [66.48853049746123]
構造的視点から再構築を解析し、従来の横断的注意を一様注意マップに置き換える新しいアプローチを提案する。
本手法は,ノイズ予測時のテキスト条件の変化による歪みを効果的に抑制する。
実験結果から,本手法は高忠実度画像再構成に優れるだけでなく,実際の画像合成や編集のシナリオにも頑健に機能することが示された。
論文 参考訳（メタデータ） (2024-11-29T12:11:28Z) - Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending [54.26862913139299]
我々は、ウォーターマークインフォームドブレンディング(TEAWIB)による潜伏拡散モデルに対する効果的なユーザ属性に向けた新しいフレームワークを提案する。
TEAWIBは、ユーザ固有の透かしを生成モデルにシームレスに統合する、ユニークな準備可能な構成アプローチを取り入れている。
TEAWIBの有効性を検証し、知覚的品質と帰属精度で最先端の性能を示す実験を行った。
論文 参考訳（メタデータ） (2024-09-17T07:52:09Z) - Safe-SD: Safe and Traceable Stable Diffusion with Text Prompt Trigger for Invisible Generative Watermarking [20.320229647850017]
安定拡散(SD)モデルは一般的に画像合成とパーソナライズされた編集の分野で栄えている。
AIが作成したコンテンツを公開プラットフォームに公開することで、法的および倫理的リスクが高まる可能性がある。
本研究では,透かしを認識不能な構造に適応させる,安全かつ高追従性安定拡散フレームワーク(SafeSD)を提案する。
論文 参考訳（メタデータ） (2024-07-18T05:53:17Z) - Coherent and Multi-modality Image Inpainting via Latent Space Optimization [61.99406669027195]
PILOT(intextbfPainting vtextbfIa textbfOptextbfTimization)は、新しいテキストセマンティック中央化とテキストセマンティック保存損失に基づく最適化手法である。
本手法は,背景とのコヒーレンスを維持しつつ,ユーザが提供するプロンプトに対して高い忠実度を示す塗装領域を生成できる潜時空間を探索する。
論文 参考訳（メタデータ） (2024-07-10T19:58:04Z) - Active Generation for Image Classification [45.93535669217115]
本稿では,モデルのニーズと特徴に着目し,画像生成の効率性に対処することを提案する。
能動学習の中心的傾向として,ActGenという手法が,画像生成のトレーニング・アウェア・アプローチを取り入れている。
論文 参考訳（メタデータ） (2024-03-11T08:45:31Z) - 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。