論文の概要: VideoMarkBench: Benchmarking Robustness of Video Watermarking

• arxiv url: http://arxiv.org/abs/2505.21620v1
• Date: Tue, 27 May 2025 18:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.213326
• Title: VideoMarkBench: Benchmarking Robustness of Video Watermarking
• Title（参考訳）: VideoMarkBench: ビデオ透かしのロバストさのベンチマーク
• Authors: Zhengyuan Jiang, Moyang Guo, Kecen Li, Yuepeng Hu, Yupu Wang, Zhicong Huang, Cheng Hong, Neil Zhenqiang Gong,
• Abstract要約: 我々は,透かし除去と偽造攻撃による映像透かしの堅牢性を評価するために設計された,最初のシステマティックなベンチマークであるVideoMarkBenchを紹介する。 本研究は,3種類の映像生成モデルから生成した統合データセットを,4つの透かし手法と検出時に使用する7つのアグリゲーション戦略を組み込んだ3つのビデオスタイルで包含する。 我々の発見は、現在の透かしアプローチにおける重大な脆弱性を明らかにし、より堅牢なソリューションの必要性を強調している。
• 参考スコア（独自算出の注目度）: 34.184333776307504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid development of video generative models has led to a surge in highly realistic synthetic videos, raising ethical concerns related to disinformation and copyright infringement. Recently, video watermarking has been proposed as a mitigation strategy by embedding invisible marks into AI-generated videos to enable subsequent detection. However, the robustness of existing video watermarking methods against both common and adversarial perturbations remains underexplored. In this work, we introduce VideoMarkBench, the first systematic benchmark designed to evaluate the robustness of video watermarks under watermark removal and watermark forgery attacks. Our study encompasses a unified dataset generated by three state-of-the-art video generative models, across three video styles, incorporating four watermarking methods and seven aggregation strategies used during detection. We comprehensively evaluate 12 types of perturbations under white-box, black-box, and no-box threat models. Our findings reveal significant vulnerabilities in current watermarking approaches and highlight the urgent need for more robust solutions. Our code is available at https://github.com/zhengyuan-jiang/VideoMarkBench.
• Abstract（参考訳）: ビデオ生成モデルの急速な発展により、高度にリアルな合成ビデオが急増し、偽情報や著作権侵害に関する倫理的懸念が高まった。 近年,AI生成ビデオに見えないマークを埋め込んでその後の検出を可能にすることで,映像透かしが緩和戦略として提案されている。 しかし, 従来の映像透かし法と対角的摂動法との堅牢性はいまだに未解明である。 本研究では,透かし除去と透かし偽造攻撃による映像透かしの堅牢性を評価するための,最初の体系的ベンチマークであるVideoMarkBenchを紹介する。 本研究は,3種類の映像生成モデルから生成した統合データセットを,4つの透かし手法と検出時に使用する7つのアグリゲーション戦略を組み込んだ3つのビデオスタイルで包含する。 ホワイトボックス,ブラックボックス,ノーボックスの脅威モデルにおいて,12種類の摂動を包括的に評価した。 我々の発見は、現在の透かしアプローチにおける重大な脆弱性を明らかにし、より堅牢なソリューションの必要性を強調している。 私たちのコードはhttps://github.com/zhengyuan-jiang/VideoMarkBench.comで公開されています。

関連論文リスト

• Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking [53.434260110195446]
  Safe-Soraは、ビデオ生成プロセスに直接グラフィカルな透かしを直接埋め込む最初のフレームワークである。 適応型局所時間走査戦略を用いた3次元ウェーブレット変換拡張型Mambaアーキテクチャを開発した。 ビデオの品質、透かしの忠実さ、堅牢性の観点から、Safe-Soraは最先端のパフォーマンスを実証した。
  論文  参考訳（メタデータ） (2025-05-19T03:31:31Z)
• VideoMark: A Distortion-Free Robust Watermarking Framework for Video Diffusion Models [18.043141353517317]
  VideoMarkは、ビデオ拡散モデルのためのトレーニング不要の堅牢な透かしフレームワークである。 提案手法は拡張された透かしメッセージ列を生成し,各ビデオの開始位置をランダムに選択する。 我々の透かしはシークレットキーなしで攻撃者には検出できないままであり、他の透かしフレームワークと比較して強い非知覚性を保証する。
  論文  参考訳（メタデータ） (2025-04-23T02:21:12Z)
• LVMark: Robust Watermark for Latent Video Diffusion Models [13.85241328100336]
  ビデオ拡散モデルのための新しい透かし手法であるLVMarkを紹介する。 本稿では,隣接するフレーム間の一貫性を学習し,生成ビデオに適した新しい透かしデコーダを提案する。 拡散モデルの透かしデコーダと潜時デコーダの両方を最適化し、視覚的品質とビット精度のトレードオフを効果的にバランスさせる。
  論文  参考訳（メタデータ） (2024-12-12T09:57:20Z)
• ClearMark: Intuitive and Robust Model Watermarking via Transposed Model Training [50.77001916246691]
  本稿では,人間の直感的な評価を目的とした最初のDNN透かし手法であるClearMarkを紹介する。 ClearMarkは目に見える透かしを埋め込んで、厳格な値閾値なしで人間の意思決定を可能にする。 8,544ビットの透かし容量は、現存する最強の作品に匹敵する。
  論文  参考訳（メタデータ） (2023-10-25T08:16:55Z)
• Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
  バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。 本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。 本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2023-09-09T12:46:08Z)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• Robust Watermarking for Video Forgery Detection with Improved Imperceptibility and Robustness [30.611167333725408]
  本稿では,ローカライゼーションを改ざんするためのビデオ透かしネットワークを提案する。 我々は3D-UNetベースの透かし埋め込みネットワークと、改ざんマスクを予測するデコーダを共同で訓練する。 実験結果から, 透かしの精度が良好で, 改ざん箇所の精度も高い透かし付き映像が生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-07-07T16:27:10Z)
• Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal Attack for DNN Models [72.9364216776529]
  我々は異なる視点から新しい透かし除去攻撃を提案する。 我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。 我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
  論文  参考訳（メタデータ） (2020-09-18T09:14:54Z)

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。