論文の概要: MarkSplatter: Generalizable Watermarking for 3D Gaussian Splatting Model via Splatter Image Structure
- arxiv url: http://arxiv.org/abs/2509.00757v1
- Date: Sun, 31 Aug 2025 09:12:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.378438
- Title: MarkSplatter: Generalizable Watermarking for 3D Gaussian Splatting Model via Splatter Image Structure
- Title（参考訳）: MarkSplatter:スプラッター画像構造を用いた3次元ガウス散乱モデルのための一般化可能な透かし
- Authors: Xiufeng Huang, Ziyuan Luo, Qi Song, Ruofei Wang, Renjie Wan,
- Abstract要約: 現在の3DGSの透かし法は、事前に定義されたメッセージごとに計算的に高価な微調整手順に依存している。
本研究では,Splatter画像に基づく3DGSモデルの1つのフォワードパスによる効率的な保護を可能にする,最初の一般化可能な透かしフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 27.59237608604465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing popularity of 3D Gaussian Splatting (3DGS) has intensified the need for effective copyright protection. Current 3DGS watermarking methods rely on computationally expensive fine-tuning procedures for each predefined message. We propose the first generalizable watermarking framework that enables efficient protection of Splatter Image-based 3DGS models through a single forward pass. We introduce GaussianBridge that transforms unstructured 3D Gaussians into Splatter Image format, enabling direct neural processing for arbitrary message embedding. To ensure imperceptibility, we design a Gaussian-Uncertainty-Perceptual heatmap prediction strategy for preserving visual quality. For robust message recovery, we develop a dense segmentation-based extraction mechanism that maintains reliable extraction even when watermarked objects occupy minimal regions in rendered views. Project page: https://kevinhuangxf.github.io/marksplatter.
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)の人気が高まっているため、効果的な著作権保護の必要性が高まっている。
現在の3DGSの透かし法は、事前に定義されたメッセージごとに計算的に高価な微調整手順に依存している。
本研究では,Splatter画像に基づく3DGSモデルの1つのフォワードパスによる効率的な保護を可能にする,最初の一般化可能な透かしフレームワークを提案する。
我々は,非構造化の3次元ガウスをSplatter Imageフォーマットに変換するガウスブリッジを導入し,任意のメッセージ埋め込みのための直接ニューラル処理を可能にする。
認識不能性を確保するため,視覚的品質を維持するため,ガウス-不確実性-知覚的熱マップ予測戦略を設計する。
強靭なメッセージリカバリのために,ウォーターマークされたオブジェクトがレンダリングビューの最小領域を占有している場合でも,信頼性の高い抽出を維持できる高密度セグメンテーションベース抽出機構を開発した。
プロジェクトページ: https://kevinhuangxf.github.io/marksplatter.com
関連論文リスト
- Can Protective Watermarking Safeguard the Copyright of 3D Gaussian Splatting? [32.5671407737127]
3D Gaussian Splatting (3DGS)は、3Dシーンの強力な表現として登場し、その優れた効率性と高忠実な視覚的品質のために広く採用されている。
最近の研究は、著作権保護と所有権の検証を保証するための特別な透かし方式を導入している。
GSPureは3DGSによる透かし表現のための最初の透かし浄化フレームワークである。
論文 参考訳（メタデータ） (2025-11-27T09:39:51Z) - LabelGS: Label-Aware 3D Gaussian Splatting for 3D Scene Segmentation [56.4321049923868]
3D Gaussian Splatting (3DGS)は、3Dシーンの新たな明示的な表現として登場し、高忠実度再構成と効率的なレンダリングの両方を提供している。
ガウス表現をオブジェクトラベルで拡張する手法であるラベル対応3Dガウス分割法(LabelGS)を提案する。
LabelGSはFeature-3DGSと比較して、1440X1080の解像度でトレーニングで22倍のスピードアップを達成した。
論文 参考訳（メタデータ） (2025-08-27T09:07:38Z) - Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking [88.89887962002207]
目に見えない生成的な透かしは ビデオ生成において ほとんど未発見のままです
ビデオ生成プロセスに直接グラフィカルな透かしを埋め込む最初のフレームワークであるSafe-Soraを提案する。
Safe-Soraは,映像品質,透かしの忠実度,ロバスト性の観点から,最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2025-05-19T03:31:31Z) - GaussianSeal: Rooting Adaptive Watermarks for 3D Gaussian Generation Model [19.100784347870004]
本稿では3DGS生成モデルのための最初のビット透かしフレームワークであるGaussianSealを提案する。
モデルの出力の忠実さを維持しながら、トレーニングオーバーヘッドを最小限に抑えた高精度ビットデコーディングを実現する。
論文 参考訳（メタデータ） (2025-03-01T15:16:05Z) - WATER-GS: Toward Copyright Protection for 3D Gaussian Splatting via Universal Watermarking [44.335142946449245]
Water-GSは、ユニバーサルな透かし戦略を通じて3DGS著作権を保護するために設計された新しい方法である。
そこで本研究では,3DGS生成モジュールを潜在的な透かしとして,事前学習した透かしデコーダを導入する。
点雲データの実世界の歪みに対して,埋め込み透かしのロバスト性を高めるために,新しい3次元歪み層を実装した。
論文 参考訳（メタデータ） (2024-12-07T16:44:22Z) - GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting [70.81218231206617]
GuardSplatは、3DGS資産をウォーターマークするための革新的で効率的なフレームワークである。
Message Embeddingモジュールは、元の3D構造を保持しながら、各3DガウスのSH機能にメッセージをシームレスに埋め込む。
反歪メッセージ抽出モジュールは、様々な歪みに対する堅牢性を改善する。
論文 参考訳（メタデータ） (2024-11-29T17:59:03Z) - NovelGS: Consistent Novel-view Denoising via Large Gaussian Reconstruction Model [57.92709692193132]
NovelGSは、スパースビュー画像が与えられたガウススプラッティングの拡散モデルである。
我々は3Dガウスを生成するためにトランスフォーマーネットワークを経由する新しい視点を利用する。
論文 参考訳（メタデータ） (2024-11-25T07:57:17Z) - GaussianMarker: Uncertainty-Aware Copyright Protection of 3D Gaussian Splatting [41.90891053671943]
デジタル透かし技術は、3DGSモデルに個別に所有権情報を埋め込むために応用できる。
予めトレーニングされた3DGSに透かしを埋め込むと、描画画像に明らかな歪みが生じます。
モデルパラメータの摂動を制限する不確実性に基づく3DGSの透かしを実現する手法を提案する。
論文 参考訳（メタデータ） (2024-10-31T08:08:54Z) - GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。
本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。
提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
論文 参考訳（メタデータ） (2024-02-22T16:00:20Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z)
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。