論文の概要: UniMark: Artificial Intelligence Generated Content Identification Toolkit
- arxiv url: http://arxiv.org/abs/2512.12324v1
- Date: Sat, 13 Dec 2025 13:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-16 17:54:56.216852
- Title: UniMark: Artificial Intelligence Generated Content Identification Toolkit
- Title（参考訳）: UniMark: 人工知能生成コンテンツ識別ツールキット
- Authors: Meilin Li, Ji He, Jia Xu, Shanzhe Lei, Yan Teng, Yingchun Wang, Xuhong Wang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 16.336926299049825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid proliferation of Artificial Intelligence Generated Content has precipitated a crisis of trust and urgent regulatory demands. However, existing identification tools suffer from fragmentation and a lack of support for visible compliance marking. To address these gaps, we introduce the \textbf{UniMark}, an open-source, unified framework for multimodal content governance. Our system features a modular unified engine that abstracts complexities across text, image, audio, and video modalities. Crucially, we propose a novel dual-operation strategy, natively supporting both \emph{Hidden Watermarking} for copyright protection and \emph{Visible Marking} for regulatory compliance. Furthermore, we establish a standardized evaluation framework with three specialized benchmarks (Image/Video/Audio-Bench) to ensure rigorous performance assessment. This toolkit bridges the gap between advanced algorithms and engineering implementation, fostering a more transparent and secure digital ecosystem.
- Abstract（参考訳）: 人工知能生成コンテンツの急速な普及は、信頼の危機と緊急の規制要求を引き起こした。
しかし、既存の識別ツールは断片化と可視的コンプライアンスマーキングのサポートの欠如に悩まされている。
これらのギャップに対処するために、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である \textbf{UniMark} を紹介します。
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。
本稿では,著作権保護のための「emph{Hidden Watermarking}」と規制遵守のための「emph{Visible Marking}」の両方をネイティブにサポートする,新しい二重運用戦略を提案する。
さらに、厳密な性能評価を保証するために、3つの特別なベンチマーク(Image/Video/Audio-Bench)で標準化された評価フレームワークを構築した。
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。
関連論文リスト
- BiMark: Unbiased Multilayer Watermarking for Large Language Models [68.64050157343334]
テキスト品質とメッセージ埋め込み能力のバランスをとる新しい透かしフレームワークであるBiMarkを提案する。
BiMarkは、短いテキストに対して最大30%高い抽出率を達成すると同時に、低いパープレキシティで示されるテキスト品質を維持する。
論文 参考訳（メタデータ） (2025-06-19T11:08:59Z) - From Trade-off to Synergy: A Versatile Symbiotic Watermarking Framework for Large Language Models [16.89823786392689]
本稿では, シリアル, パラレル, ハイブリッドの3つの戦略を持つ多種多様な共生型透かしフレームワークを提案する。
このハイブリッドフレームワークはトークンエントロピーとセマンティックエントロピーを使用して透かしを適応的に埋め込み、検出可能性、堅牢性、テキスト品質、セキュリティのバランスを最適化する。
論文 参考訳（メタデータ） (2025-05-15T03:12:36Z) - TrustRAG: An Information Assistant with Retrieval Augmented Generation [73.84864898280719]
TrustRAGは、インデックス付け、検索、生成という3つの視点から、acRAGを強化する新しいフレームワークである。
我々はTrustRAGフレームワークをオープンソース化し、抜粋ベースの質問応答タスク用に設計されたデモスタジオを提供する。
論文 参考訳（メタデータ） (2025-02-19T13:45:27Z) - 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) - Topic-Based Watermarks for Large Language Models [46.71493672772134]
本稿では,Large Language Model (LLM) 出力のための軽量なトピック誘導型透かし方式を提案する。
本手法は,Google の SynthID-Text など,業界をリードするシステムに匹敵する難易度を実現する。
論文 参考訳（メタデータ） (2024-04-02T17:49:40Z)
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。