論文の概要: TokenPure: Watermark Removal through Tokenized Appearance and Structural Guidance
- arxiv url: http://arxiv.org/abs/2512.01314v1
- Date: Mon, 01 Dec 2025 06:15:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-02 19:46:34.707323
- Title: TokenPure: Watermark Removal through Tokenized Appearance and Structural Guidance
- Title（参考訳）: TokenPure: トケン化外観と構造誘導による透かし除去
- Authors: Pei Yang, Yepeng Liu, Kelly Peng, Yuan Gao, Yiren Song,
- Abstract要約: TokenPureは、効果的で一貫した透かし除去のために設計された拡散トランスフォーマーベースのフレームワークである。
タスクを条件付き生成として再設定し、初期透かしのノイズを完全に回避する。
最先端の透かし除去と復元の忠実さを実現し、知覚的品質と一貫性の両方において既存のベースラインを大幅に上回っている。
- 参考スコア（独自算出の注目度）: 22.297964559583576
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In the digital economy era, digital watermarking serves as a critical basis for ownership proof of massive replicable content, including AI-generated and other virtual assets. Designing robust watermarks capable of withstanding various attacks and processing operations is even more paramount. We introduce TokenPure, a novel Diffusion Transformer-based framework designed for effective and consistent watermark removal. TokenPure solves the trade-off between thorough watermark destruction and content consistency by leveraging token-based conditional reconstruction. It reframes the task as conditional generation, entirely bypassing the initial watermark-carrying noise. We achieve this by decomposing the watermarked image into two complementary token sets: visual tokens for texture and structural tokens for geometry. These tokens jointly condition the diffusion process, enabling the framework to synthesize watermark-free images with fine-grained consistency and structural integrity. Comprehensive experiments show that TokenPure achieves state-of-the-art watermark removal and reconstruction fidelity, substantially outperforming existing baselines in both perceptual quality and consistency.
- Abstract（参考訳）: デジタル経済時代において、デジタル透かしは、AI生成やその他の仮想資産を含む巨大な複製可能なコンテンツの所有権を証明する重要な基盤となっている。
様々な攻撃や処理操作に耐えられる堅牢な透かしを設計することは、さらに重要である。
TokenPureは,有効かつ一貫した透かし除去を目的とした新しい拡散トランスフォーマーベースのフレームワークである。
TokenPureはトークンベースの条件再構成を利用して、徹底的な透かし破壊とコンテンツ一貫性のトレードオフを解決する。
タスクを条件付き生成として再設定し、初期透かしのノイズを完全に回避する。
これを実現するために,透かし画像からテクスチャ用の視覚トークンと幾何学用の構造トークンの2つの補完トークンセットに分解する。
これらのトークンは拡散過程を共同で条件付けし、フレームワークは微粒な一貫性と構造的整合性で透かしのない画像を合成できる。
総合的な実験により、TokenPureは最先端の透かし除去と復元の忠実性を達成し、知覚的品質と一貫性の両方において既存のベースラインを大幅に上回っていることが明らかとなった。
関連論文リスト
- Watermarking Autoregressive Image Generation [4.335447827531541]
生成モデルのアウトプットを透かしは、その成果を追跡するための有望なアプローチとして現れている。
この設定に言語モデルウォーターマーキング手法を適用することで、このようなアプローチを初めて提示する。
実験により,理論的なp値を用いた確実かつ堅牢な透かし検出が可能となった。
論文 参考訳（メタデータ） (2025-06-19T14:25:51Z) - Saliency-Aware Diffusion Reconstruction for Effective Invisible Watermark Removal [18.47018538990973]
本稿では,Web上での透かし除去のための新しいSaliency-Aware Diffusion Reconstructionフレームワークを提案する。
SADREは、ターゲットノイズをサリエンシマスクでガイドされた潜在表現に注入することで、埋め込み透かしを妨害する。
逆拡散プロセスは、透かし強度によって決定される適応ノイズレベルを利用して、高忠実度画像復元を保証する。
論文 参考訳（メタデータ） (2025-04-17T10:15:10Z) - Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal [57.84348166457113]
本稿では,事前学習した画像の塗装モデルの表現能力を活用する新しい特徴適応フレームワークを提案する。
本手法は, 透かしの残像の残像を塗布バックボーンモデルに流し込むことにより, 透かしと透かし除去の知識ギャップを埋めるものである。
高品質な透かしマスクへの依存を緩和するために,粗い透かしマスクを用いて推論プロセスを導出する新たな訓練パラダイムを導入する。
論文 参考訳（メタデータ） (2025-04-07T02:37:14Z) - On the Coexistence and Ensembling of Watermarks [93.15379331904602]
様々なオープンソースの透かしは、画像の品質と復号性に小さな影響しか与えない。
我々は、アンサンブルがメッセージ全体のキャパシティを向上し、基本モデルを再トレーニングすることなく、キャパシティ、正確性、堅牢性、画像品質の新たなトレードオフを可能にすることを示す。
論文 参考訳（メタデータ） (2025-01-29T00:37:06Z) - IWN: Image Watermarking Based on Idempotency [0.0]
本稿では,画像透かし処理におけるイデオロシティの導入の可能性について検討する。
カラー画像透かしの回復品質向上に焦点をあてたモデルでは,イデオロシティを活用し,画像の可逆性を向上する。
論文 参考訳（メタデータ） (2024-09-29T01:29:34Z) - Certifiably Robust Image Watermark [57.546016845801134]
ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。
ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。
本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
論文 参考訳（メタデータ） (2024-07-04T17:56:04Z) - Removing Interference and Recovering Content Imaginatively for Visible
Watermark Removal [63.576748565274706]
本研究では,Removing Interference and Recovering Content Imaginatively (RIRCI)フレームワークについて紹介する。
RIRCIは2段階のアプローチを具現化しており、最初のフェーズは透かし成分の識別と分離に焦点を当て、次のフェーズは背景コンテンツの復元に焦点を当てている。
本モデルでは,半透明透かしの下の固有背景情報を完全に探索できるデュアルパスネットワークを用いる。
論文 参考訳（メタデータ） (2023-12-22T02:19:23Z) - Robust Identity Perceptual Watermark Against Deepfake Face Swapping [9.402982368385569]
ディープフェイク・フェイススワップは、ディープジェネレーティブ・モデルの急速な開発で重要なプライバシー問題を引き起こしている。
本稿では,Deepfakeの顔スワップに対する検出とソーストレースを同時に行う,堅牢なアイデンティティ認識型透かしフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-02T16:04:32Z) - T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。
このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。
提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
論文 参考訳（メタデータ） (2023-09-07T16:12:06Z) - 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。
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。