Fugu-MT 論文翻訳(概要): IConMark: Robust Interpretable Concept-Based Watermark For AI Images

論文の概要: IConMark: Robust Interpretable Concept-Based Watermark For AI Images

arxiv url: http://arxiv.org/abs/2507.13407v1
Date: Thu, 17 Jul 2025 05:38:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-21 20:43:26.081596
Title: IConMark: Robust Interpretable Concept-Based Watermark For AI Images
Title（参考訳）: IConMark:AI画像のためのロバストな解釈可能なコンセプトベースの透かし
Authors: Vinu Sankar Sadasivan, Mehrdad Saberi, Soheil Feizi,
Abstract要約: 我々は,新しい世代のロバストなセマンティックな透かし法であるIConMarkを提案する。 IConMarkは、解釈可能な概念をAI生成イメージに組み込み、敵の操作に耐性を持たせる。我々は、検出精度と画質の維持の観点から、その優位性を実証する。
参考スコア（独自算出の注目度）: 50.045011844765185
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the rapid rise of generative AI and synthetic media, distinguishing AI-generated images from real ones has become crucial in safeguarding against misinformation and ensuring digital authenticity. Traditional watermarking techniques have shown vulnerabilities to adversarial attacks, undermining their effectiveness in the presence of attackers. We propose IConMark, a novel in-generation robust semantic watermarking method that embeds interpretable concepts into AI-generated images, as a first step toward interpretable watermarking. Unlike traditional methods, which rely on adding noise or perturbations to AI-generated images, IConMark incorporates meaningful semantic attributes, making it interpretable to humans and hence, resilient to adversarial manipulation. This method is not only robust against various image augmentations but also human-readable, enabling manual verification of watermarks. We demonstrate a detailed evaluation of IConMark's effectiveness, demonstrating its superiority in terms of detection accuracy and maintaining image quality. Moreover, IConMark can be combined with existing watermarking techniques to further enhance and complement its robustness. We introduce IConMark+SS and IConMark+TM, hybrid approaches combining IConMark with StegaStamp and TrustMark, respectively, to further bolster robustness against multiple types of image manipulations. Our base watermarking technique (IConMark) and its variants (+TM and +SS) achieve 10.8%, 14.5%, and 15.9% higher mean area under the receiver operating characteristic curve (AUROC) scores for watermark detection, respectively, compared to the best baseline on various datasets.
Abstract（参考訳）: 生成AIと合成メディアの急速な普及に伴い、AI生成画像と実際の画像とを区別することが、誤情報に対する保護とデジタル認証の確保において重要になっている。従来の透かし技術は敵の攻撃に対する脆弱性を示し、攻撃者の存在下での有効性を損なう。我々は,AI生成画像に解釈可能な概念を埋め込む,新しい次世代のロバストなセマンティック透かし手法であるIConMarkを提案する。 AI生成画像にノイズや摂動を加える従来の方法とは異なり、IConMarkには意味のある意味的属性が組み込まれており、人間に解釈できる。この手法は,様々な画像の増大に対して頑健なだけでなく,人間の可読性も備えており,透かしを手動で検証することができる。我々は,IConMarkの有効性を詳細に評価し,検出精度と画質の維持の観点からその優位性を示す。さらに、IConMarkは既存の透かし技術と組み合わせて、その堅牢性をさらに強化し補完することができる。我々は,IConMark+SSとIConMark+TMを導入し,IConMarkとStegaStampとTrustMarkを組み合わせたハイブリッドアプローチにより,複数種類の画像操作に対するロバスト性を向上する。提案手法 (IConMark) と, その変種 (+TM, +SS) は, それぞれ10.8%, 14.5%, 15.9%, 平均値 (平均値), 平均値 (平均値) の10.9%, 平均値 (平均値) の10.8%, 平均値 (平均値) をそれぞれ, 各種データセットのベースラインと比較した。

関連論文リスト

On the Coexistence and Ensembling of Watermarks [93.15379331904602]
様々なオープンソースの透かしは、画像の品質と復号性に小さな影響しか与えない。我々は、アンサンブルがメッセージ全体のキャパシティを向上し、基本モデルを再トレーニングすることなく、キャパシティ、正確性、堅牢性、画像品質の新たなトレードオフを可能にすることを示す。
論文参考訳（メタデータ） (2025-01-29T00:37:06Z)
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)
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)
Latent Watermark: Inject and Detect Watermarks in Latent Diffusion Space [7.082806239644562]
既存の手法は、画質と透かしの堅牢性のジレンマに直面している。画像品質の優れた透かしは通常、ぼやけやJPEG圧縮のような攻撃に対して弱い堅牢性を持つ。本稿では,潜伏拡散空間内の透かしを注入し,検出する潜伏透かしを提案する。
論文参考訳（メタデータ） (2024-03-30T03:19:50Z)
RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
論文参考訳（メタデータ） (2024-01-23T22:00:49Z)
WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
論文参考訳（メタデータ） (2024-01-16T18:58:36Z)
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)
Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
論文参考訳（メタデータ） (2023-09-29T18:30:29Z)
T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
論文参考訳（メタデータ） (2023-09-07T16:12:06Z)
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。