Fugu-MT 論文翻訳(概要): Guidance Watermarking for Diffusion Models

論文の概要: Guidance Watermarking for Diffusion Models

arxiv url: http://arxiv.org/abs/2509.22126v1
Date: Fri, 26 Sep 2025 09:49:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-29 20:57:54.347292
Title: Guidance Watermarking for Diffusion Models
Title（参考訳）: 拡散モデルのための誘導透かし
Authors: Enoal Gesny, Eva Giboulot, Teddy Furon, Vivien Chappelier,
Abstract要約: 本稿では拡散モデルのための新しい透かし手法を提案する。市販の透かしデコーダから計算された勾配を用いて拡散過程を導出することに基づく。本手法は拡散過程の終端における変分オートエンコーダを変更する透かし手法と相補的であることを示す。
参考スコア（独自算出の注目度）: 19.797044657260997
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a novel watermarking method for diffusion models. It is based on guiding the diffusion process using the gradient computed from any off-the-shelf watermark decoder. The gradient computation encompasses different image augmentations, increasing robustness to attacks against which the decoder was not originally robust, without retraining or fine-tuning. Our method effectively convert any \textit{post-hoc} watermarking scheme into an in-generation embedding along the diffusion process. We show that this approach is complementary to watermarking techniques modifying the variational autoencoder at the end of the diffusion process. We validate the methods on different diffusion models and detectors. The watermarking guidance does not significantly alter the generated image for a given seed and prompt, preserving both the diversity and quality of generation.
Abstract（参考訳）: 本稿では拡散モデルのための新しい透かし手法を提案する。市販の透かしデコーダから計算した勾配を用いて拡散過程を導出する。勾配計算は、異なる画像の増大を含み、復調や微調整をすることなく、デコーダが本来堅牢でない攻撃に対するロバスト性を高める。提案手法は,任意の<textit{post-hoc} 透かし方式を拡散過程に沿って埋め込まれた次世代の透かしに効果的に変換する。本手法は拡散過程の終端における変分オートエンコーダを変更する透かし手法と相補的であることを示す。異なる拡散モデルと検出器の手法を検証した。透かし指導は、生成した種子のイメージを著しく変更せず、生成の多様性と品質の両方を保っている。

関連論文リスト

Vanishing Watermarks: Diffusion-Based Image Editing Undermines Robust Invisible Watermarking [3.583615559438432]
強力な拡散ベースの画像生成と編集技術は、堅牢な透かし方式に新たな脅威をもたらす。従来の歪みに耐えられるように設計された透かしであっても,拡散モデルによりロバストな透かしを効果的に消し去ることができることを示す。誘導拡散に基づく攻撃は, 発生時に埋め込まれた透かし信号に的を絞ったもので, 透かし検出性を著しく低下させる。
論文参考訳（メタデータ） (2026-02-24T08:34:48Z)
OSI: One-step Inversion Excels in Extracting Diffusion Watermarks [56.210696479553945]
ガウスシェーディングスタイルの透かしを抽出する手法であるワンステップインバージョン(OSI)を提案する。 OSIは、透かし抽出を学習可能な記号分類問題として再構成し、初期雑音の正確な回帰を不要にする。我々のOSIは,20倍高速で,抽出精度が向上し,透かしペイロード容量が2倍になる多段拡散インバージョン法を著しく上回っている。
論文参考訳（メタデータ） (2026-02-10T07:43:16Z)
On the Information-Theoretic Fragility of Robust Watermarking under Diffusion Editing [3.6210754412846327]
強力な拡散ベースの画像生成と編集技術は、堅牢なウォーターマーキングスキームに新たな脅威をもたらす。生成中の透かし信号を明示的にターゲットし,消去する誘導拡散攻撃アルゴリズムを提案する。我々は,近年の深層学習に基づく透かし手法に対するアプローチを評価し,攻撃後のほぼゼロに近い透かし回復率を示す。
論文参考訳（メタデータ） (2025-11-14T03:41:24Z)
Diffusion-Based Image Editing: An Unforeseen Adversary to Robust Invisible Watermarks [4.138397555991069]
強力な拡散ベースの画像生成と編集モデルは、埋め込みの透かしを不注意に取り除いたり歪んだりすることができる。本稿では,拡散に基づく画像編集が,最先端のロバストな透かしを効果的に破壊できることを示す理論的,実証的な分析を行う。画像から透かしを消去するために生成画像再生を用いた拡散誘導攻撃を提案する。
論文参考訳（メタデータ） (2025-11-05T16:20:29Z)
Diffusion-Based Image Editing for Breaking Robust Watermarks [4.273350357872755]
強力な拡散ベースの画像生成と編集技術は、堅牢なウォーターマーキングスキームに新たな脅威をもたらす。拡散駆動型画像再生プロセスでは,画像内容の保存中に埋め込み透かしを消去できることを示す。生成中の透かし信号に特異的な誘導拡散攻撃を導入し,透かし検出性を著しく低下させた。
論文参考訳（メタデータ） (2025-10-07T14:34:42Z)
DiffMark: Diffusion-based Robust Watermark Against Deepfakes [21.205463800125056]
ディープフェイクは、悪意のある顔操作を通じて、重大なセキュリティとプライバシーの脅威を引き起こす。既存の透かし法はディープフェイク操作に対して十分な堅牢性を欠いていることが多い。本稿では拡散モデルに基づく新しいロバストな透かしフレームワークDiffMarkを提案する。
論文参考訳（メタデータ） (2025-07-02T07:29:33Z)
Shallow Diffuse: Robust and Invisible Watermarking through Low-Dimensional Subspaces in Diffusion Models [10.726987194250116]
拡散モデル出力にロバストで見えない透かしを埋め込む新しい透かし技術であるShallow Diffuseを導入する。我々の理論的および経験的分析により,浅度拡散はデータ生成の一貫性と透かしの検出可能性を大幅に向上させることが示された。
論文参考訳（メタデータ） (2024-10-28T14:51:04Z)
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)
DiffuseTrace: A Transparent and Flexible Watermarking Scheme for Latent Diffusion Model [15.982765272033058]
生成モデル出力に透かしを追加することは、著作権の追跡と潜在的なリスクの軽減に欠かせないテクニックである。本稿では拡散モデル成分の微調整に依存しないDiffuseTraceと呼ばれる新しい手法を提案する。 8種類の画像処理用透かし攻撃と3種類の生成用透かし攻撃の下では、DiffuseTraceは透かし検出率99%、帰属精度94%以上を維持している。
論文参考訳（メタデータ） (2024-05-04T15:32:57Z)
Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
論文参考訳（メタデータ） (2024-04-07T13:30:10Z)
Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
論文参考訳（メタデータ） (2023-05-31T17:00:31Z)
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。