論文の概要: Fast, Secure, and High-Capacity Image Watermarking with Autoencoded Text Vectors

• arxiv url: http://arxiv.org/abs/2510.00799v1
• Date: Wed, 01 Oct 2025 11:56:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.539577
• Title: Fast, Secure, and High-Capacity Image Watermarking with Autoencoded Text Vectors
• Title（参考訳）: 自動符号化テキストベクトルを用いた高速・セキュア・高容量画像透かし
• Authors: Gautier Evennou, Vivien Chappelier, Ewa Kijak,
• Abstract要約: 意味コミュニケーションとして透かしを再構成するLatentSealを提案する。 軽量テキストオートエンコーダは、全文メッセージを256次元単位ノルム潜在ベクトルにマッピングする。 得られたシステムは全文メッセージを隠蔽し、リアルタイムで復号し、付加価値と幾何学的攻撃に耐える。
• 参考スコア（独自算出の注目度）: 3.7924059908193133
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Most image watermarking systems focus on robustness, capacity, and imperceptibility while treating the embedded payload as meaningless bits. This bit-centric view imposes a hard ceiling on capacity and prevents watermarks from carrying useful information. We propose LatentSeal, which reframes watermarking as semantic communication: a lightweight text autoencoder maps full-sentence messages into a compact 256-dimensional unit-norm latent vector, which is robustly embedded by a finetuned watermark model and secured through a secret, invertible rotation. The resulting system hides full-sentence messages, decodes in real time, and survives valuemetric and geometric attacks. It surpasses prior state of the art in BLEU-4 and Exact Match on several benchmarks, while breaking through the long-standing 256-bit payload ceiling. It also introduces a statistically calibrated score that yields a ROC AUC score of 0.97-0.99, and practical operating points for deployment. By shifting from bit payloads to semantic latent vectors, LatentSeal enables watermarking that is not only robust and high-capacity, but also secure and interpretable, providing a concrete path toward provenance, tamper explanation, and trustworthy AI governance. Models, training and inference code, and data splits will be available upon publication.
• Abstract（参考訳）: ほとんどの画像透かしシステムは、組込みペイロードを無意味なビットとして扱いながら、堅牢性、キャパシティ、および非受容性に焦点を当てている。 このビット中心のビューは容量に厳しい天井を課し、透かしが有用な情報を運ぶのを防ぐ。 ライトウェイトテキストオートエンコーダは,透かしをセマンティック通信として再構成し,全文メッセージを256次元単位ノルム遅延ベクトルにマッピングする。 得られたシステムは全文メッセージを隠蔽し、リアルタイムで復号し、付加価値と幾何学的攻撃に耐える。 BLEU-4やExact Matchをいくつかのベンチマークで上回り、長く続く256ビットのペイロード天井を突破する。 また、統計学的に校正されたスコアを導入し、LOC AUCスコアは0.97-0.99となり、実際の運用ポイントも導入した。 ビットペイロードからセマンティック潜在ベクトルに移行することで、LatentSealは堅牢で高容量であるだけでなく、安全で解釈可能な透かしを可能にし、証明への具体的なパスを提供し、説明を改ざんし、信頼できるAIガバナンスを可能にします。 モデル、トレーニング、推論コード、データ分割は公開時に利用可能になる。

関連論文リスト

• 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)
• StealthInk: A Multi-bit and Stealthy Watermark for Large Language Models [4.76514657698929]
  StealthInkは、大規模言語モデル(LLM)のためのステルスなマルチビット透かし方式である 元のテキスト配布を保存し、証明データの埋め込みを可能にする。 固定等誤り率で透かし検出に必要なトークン数に対する低い境界を導出する。
  論文  参考訳（メタデータ） (2025-06-05T18:37:38Z)
• Speech Watermarking with Discrete Intermediate Representations [45.892635912641836]
  本稿では,音声の中間表現に透かしを注入する新しい音声透かしフレームワークを提案する。 DiscreteWMは、堅牢性と非受容性を同時に実現します。 我々のフレキシブルなフレームワイドアプローチは、音声のクローン検出と情報隠蔽の両面において効率的な解決策となる。
  論文  参考訳（メタデータ） (2024-12-18T14:57:06Z)
• WaterMAS: Sharpness-Aware Maximization for Neural Network Watermarking [11.717546811674884]
  WaterMASは、堅牢性、非受容性、計算複雑性の間のトレードオフを改善する、置換型、ホワイトボックスニューラルネットワーク透かし方式である。 強靭性は攻撃の強さを制限することで確保される。 トレーニングプロセス中に透かしを挿入することで、認識不能を確保できる。
  論文  参考訳（メタデータ） (2024-09-05T20:22:01Z)
• 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)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)
• Advancing Beyond Identification: Multi-bit Watermark for Large Language Models [31.066140913513035]
  機械生成テキストの識別を超えて,大規模言語モデルの誤用に対処する可能性を示す。 言語モデル生成中にトレーサブルなマルチビット情報を埋め込んだ位置アロケーションによるマルチビット透かしを提案する。
  論文  参考訳（メタデータ） (2023-08-01T01:27:40Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)

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。