論文の概要: HMARK: Radioactive Multi-Bit Semantic-Latent Watermarking for Diffusion Models

• arxiv url: http://arxiv.org/abs/2512.00094v1
• Date: Wed, 26 Nov 2025 16:14:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.060411
• Title: HMARK: Radioactive Multi-Bit Semantic-Latent Watermarking for Diffusion Models
• Title（参考訳）: HMARK:拡散モデルのための放射能多ビットセマンティック遅延透かし
• Authors: Kexin Li, Guozhen Ding, Ilya Grishchenko, David Lie,
• Abstract要約: HMARKは画像拡散モデルのための新しいマルチビット透かし方式である。 画像拡散モデルのためのセマンティックラテント空間(h-space)において、オーナシップ情報を秘密ビットとしてエンコードする。 98.57%の透かし検出精度、95.07%のビットレベルのリカバリ精度、100%のリコールレート、1.0のAUCを実現している。
• 参考スコア（独自算出の注目度）: 10.694242861654063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern generative diffusion models rely on vast training datasets, often including images with uncertain ownership or usage rights. Radioactive watermarks -- marks that transfer to a model's outputs -- can help detect when such unauthorized data has been used for training. Moreover, aside from being radioactive, an effective watermark for protecting images from unauthorized training also needs to meet other existing requirements, such as imperceptibility, robustness, and multi-bit capacity. To overcome these challenges, we propose HMARK, a novel multi-bit watermarking scheme, which encodes ownership information as secret bits in the semantic-latent space (h-space) for image diffusion models. By leveraging the interpretability and semantic significance of h-space, ensuring that watermark signals correspond to meaningful semantic attributes, the watermarks embedded by HMARK exhibit radioactivity, robustness to distortions, and minimal impact on perceptual quality. Experimental results demonstrate that HMARK achieves 98.57% watermark detection accuracy, 95.07% bit-level recovery accuracy, 100% recall rate, and 1.0 AUC on images produced by the downstream adversarial model finetuned with LoRA on watermarked data across various types of distortions.
• Abstract（参考訳）: 現代の生成拡散モデルは広大なトレーニングデータセットに依存しており、多くの場合、不確実な所有権や使用権を持つ画像を含む。 無線透かし -- モデルの出力に転送するマーク -- は、そのような不正なデータがトレーニングに使用されたことを検知するのに役立ちます。 さらに、放射能以外にも、未承認のトレーニングから画像を保護する効果的な透かしは、非受容性、堅牢性、マルチビットキャパシティといった他の既存の要件を満たす必要がある。 これらの課題を克服するために,画像拡散モデルのセマンティックラテント空間(h空間)におけるオーナシップ情報を秘密ビットとして符号化する,新しいマルチビット透かし方式であるHMARKを提案する。 h空間の解釈可能性と意味的重要性を活用して、透かし信号が意味のある意味的属性に対応することを保証することで、HMARKによって埋め込まれた透かしは、放射能、歪みに対する堅牢性、知覚品質への最小の影響を示す。 HMARKは、様々な歪みの透かしデータにLoRAで微調整された下流の逆数モデルによって生成された画像に対して、98.57%の透かし検出精度、95.07%のビットレベル回復精度、100%のリコールレート、1.0のAUCを達成した。

関連論文リスト

• 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)
• Radioactive Watermarks in Diffusion and Autoregressive Image Generative Models [4.303412065407284]
  拡散モデル(DM)と画像自己回帰モデル(IAR)により生成された画像中の透かしの放射能を解析する。 IARと放射能を考慮した最初の透かし法を提案する。
  論文  参考訳（メタデータ） (2025-06-30T11:08:10Z)
• 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)
• Exploiting Watermark-Based Defense Mechanisms in Text-to-Image Diffusion Models for Unauthorized Data Usage [14.985938758090763]
  安定拡散のようなテキストと画像の拡散モデルは、高品質な画像を生成するのに例外的な可能性を示している。 近年の研究では、これらのモデルのトレーニングに不正データを使用することが懸念されており、知的財産権侵害やプライバシー侵害につながる可能性がある。 本稿では、拡散過程を利用して保護された入力に対して制御された画像を生成するRATTANを提案する。
  論文  参考訳（メタデータ） (2024-11-22T22:28:19Z)
• 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)
• 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)
• 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)
• 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)

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。