論文の概要: OptMark: Robust Multi-bit Diffusion Watermarking via Inference Time Optimization

• arxiv url: http://arxiv.org/abs/2508.21727v1
• Date: Fri, 29 Aug 2025 15:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.102123
• Title: OptMark: Robust Multi-bit Diffusion Watermarking via Inference Time Optimization
• Title（参考訳）: OptMark: 推論時間最適化によるロバストなマルチビット拡散透かし
• Authors: Jiazheng Xing, Hai Ci, Hongbin Xu, Hangjie Yuan, Yong Liu, Mike Zheng Shou,
• Abstract要約: 拡散復調過程の中間潜水器に頑健なマルチビット透かしを埋め込む最適化手法である OptMark を提案する。 OptMarkは、生成攻撃に対して早期に構造的な透かしを挿入し、画像変換に耐えるために遅れて詳細な透かしを挿入する。 実験結果から,OptMarkは有意変換,幾何変換,編集,再生攻撃に対する堅牢なレジリエンスを確保しつつ,目に見えないマルチビット透かしを実現することが示された。
• 参考スコア（独自算出の注目度）: 66.69924980864053
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Watermarking diffusion-generated images is crucial for copyright protection and user tracking. However, current diffusion watermarking methods face significant limitations: zero-bit watermarking systems lack the capacity for large-scale user tracking, while multi-bit methods are highly sensitive to certain image transformations or generative attacks, resulting in a lack of comprehensive robustness. In this paper, we propose OptMark, an optimization-based approach that embeds a robust multi-bit watermark into the intermediate latents of the diffusion denoising process. OptMark strategically inserts a structural watermark early to resist generative attacks and a detail watermark late to withstand image transformations, with tailored regularization terms to preserve image quality and ensure imperceptibility. To address the challenge of memory consumption growing linearly with the number of denoising steps during optimization, OptMark incorporates adjoint gradient methods, reducing memory usage from O(N) to O(1). Experimental results demonstrate that OptMark achieves invisible multi-bit watermarking while ensuring robust resilience against valuemetric transformations, geometric transformations, editing, and regeneration attacks.
• Abstract（参考訳）: 拡散生成画像の透かしは著作権保護とユーザ追跡に不可欠である。 しかし、現在の拡散透かし方式には大きな制限がある: ゼロビット透かし方式は大規模なユーザ追跡能力に欠けるが、マルチビット方式は特定の画像変換や生成攻撃に非常に敏感であり、包括的堅牢性の欠如をもたらす。 本稿では,多ビット透かしを拡散復調過程の中間子に埋め込む最適化手法であるOpsMarkを提案する。 OptMarkは、生成的攻撃に対して早期に構造的な透かしを戦略的に挿入し、画像変換に耐えるのに遅れて詳細な透かしを挿入する。 最適化中のデノゲーションステップの数に応じてメモリ消費が線形に増加する問題に対処するため、OpsMarkは随伴勾配法を導入し、メモリ使用量をO(N)からO(1)に削減した。 実験結果から,OptMarkは有意変換,幾何変換,編集,再生攻撃に対する堅牢なレジリエンスを確保しつつ,目に見えないマルチビット透かしを実現することが示された。

関連論文リスト

• IConMark: Robust Interpretable Concept-Based Watermark For AI Images [50.045011844765185]
  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。
  論文  参考訳（メタデータ） (2025-07-17T05:38:30Z)
• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• 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)
• 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)
• FreqMark: Invisible Image Watermarking via Frequency Based Optimization in Latent Space [16.022981250876942]
  既存の透かし法は再生攻撃に対する堅牢性に乏しい。 FreqMarkは、画像の潜時周波数空間を最適化して透かしを埋め込み、事前訓練された画像エンコーダを通じて透かしを抽出する。
  論文  参考訳（メタデータ） (2024-10-28T08:23:56Z)
• JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
  JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。 本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T03:31:41Z)
• 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)
• 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。