論文の概要: MarkDiffusion: An Open-Source Toolkit for Generative Watermarking of Latent Diffusion Models
- arxiv url: http://arxiv.org/abs/2509.10569v2
- Date: Thu, 16 Oct 2025 07:42:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-17 16:37:10.481346
- Title: MarkDiffusion: An Open-Source Toolkit for Generative Watermarking of Latent Diffusion Models
- Title（参考訳）: MarkDiffusion: 潜伏拡散モデルのジェネレーティブウォーターマーキングのためのオープンソースツールキット
- Authors: Leyi Pan, Sheng Guan, Zheyu Fu, Luyang Si, Huan Wang, Zian Wang, Hanqian Li, Xuming Hu, Irwin King, Philip S. Yu, Aiwei Liu, Lijie Wen,
- Abstract要約: MarkDiffusionは、潜伏拡散モデルのジェネレーティブな透かしのためのオープンソースのPythonツールキットである。
合理化された透かしアルゴリズム統合のための統一的な実装フレームワーク、公共の理解を助けるために追加および抽出された透かしパターンを直感的に示すメカニズム可視化スイート、および、検出可能性、堅牢性、出力品質の3つの重要な側面にわたる24ツールの標準実装を提供する包括的な評価モジュール、および8つの自動評価パイプラインである。
- 参考スコア（独自算出の注目度）: 100.18689534574376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce MarkDiffusion, an open-source Python toolkit for generative watermarking of latent diffusion models. It comprises three key components: a unified implementation framework for streamlined watermarking algorithm integrations and user-friendly interfaces; a mechanism visualization suite that intuitively showcases added and extracted watermark patterns to aid public understanding; and a comprehensive evaluation module offering standard implementations of 24 tools across three essential aspects - detectability, robustness, and output quality - plus 8 automated evaluation pipelines. Through MarkDiffusion, we seek to assist researchers, enhance public awareness and engagement in generative watermarking, and promote consensus while advancing research and applications.
- Abstract（参考訳）: 我々は,潜伏拡散モデルの生成型透かしのためのオープンソースのPythonツールキットであるMarkDiffusionを紹介する。
3つの主要なコンポーネント - 合理化された透かしアルゴリズムの統合とユーザフレンドリなインターフェースのための統一された実装フレームワーク、公的な理解を支援するために追加および抽出された透かしパターンを直感的に示すメカニズム可視化スイート、および、検出可能性、堅牢性、出力品質の3つの重要な側面にわたる24ツールの標準実装を提供する包括的な評価モジュール - と8つの自動評価パイプライン - から構成されている。
我々は,MarkDiffusionを通じて研究者を支援し,創出的透かしにおける公衆の意識と関与を高め,研究や応用を進めつつコンセンサスを促進することを目指す。
関連論文リスト
- WMVLM: Evaluating Diffusion Model Image Watermarking via Vision-Language Models [79.32764976020435]
拡散モデルから生成された画像を保護するためには,デジタル透かしが不可欠である。
従来の透かし評価手法では,残余と意味の両方の透かしの統一的な枠組みが欠如していた。
我々は,視覚言語モデルを用いた拡散モデル画像透かしのための最初の統一的・解釈可能な評価フレームワークLMを提案する。
論文 参考訳（メタデータ） (2026-01-29T12:14:32Z) - UniMark: Artificial Intelligence Generated Content Identification Toolkit [16.336926299049825]
我々は、マルチモーダルコンテンツガバナンスのためのオープンソースの統一フレームワーク、textbfUniMarkを紹介した。
我々のシステムは、テキスト、画像、オーディオ、ビデオのモダリティを抽象化するモジュール式統一エンジンを備えている。
このツールキットは高度なアルゴリズムとエンジニアリング実装のギャップを埋め、より透明でセキュアなデジタルエコシステムを育む。
論文 参考訳（メタデータ） (2025-12-13T13:30:48Z) - StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。
画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-22T16:35:19Z) - MarkLLM: An Open-Source Toolkit for LLM Watermarking [80.00466284110269]
MarkLLMは、LLMウォーターマーキングアルゴリズムを実装するためのオープンソースのツールキットである。
評価のために、MarkLLMは3つの視点にまたがる12のツールと、2種類の自動評価パイプラインを提供する。
論文 参考訳（メタデータ） (2024-05-16T12:40:01Z) - TokenMark: A Modality-Agnostic Watermark for Pre-trained Transformers [67.57928750537185]
TokenMarkは、事前訓練されたモデルに対する頑健で、モダリティに依存しない、堅牢な透かしシステムである。
予めトレーニングされたモデルを、特別に置換されたデータサンプルのセットに微調整することで、透かしを埋め込む。
これはモデル透かしの堅牢性、効率、普遍性を著しく改善する。
論文 参考訳（メタデータ） (2024-03-09T08:54:52Z) - 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) - DeepTag: A General Framework for Fiducial Marker Design and Detection [1.2180122937388957]
フィデューシャルマーカーの設計と検出のための一般的なディープラーニングベースのフレームワークであるDeepTagを提案する。
DeepTagは、さまざまなマーカーファミリの検出をサポートし、カスタマイズされたローカルパターンで新しいマーカーファミリを設計できるようにする。
実験によると、DeepTagはさまざまなマーカーファミリをうまくサポートしており、検出の堅牢性と精度の両方の観点から既存の手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2021-05-28T10:54:59Z)
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。