論文の概要: MarkCleaner: High-Fidelity Watermark Removal via Imperceptible Micro-Geometric Perturbation

• arxiv url: http://arxiv.org/abs/2602.01513v1
• Date: Mon, 02 Feb 2026 01:03:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.826666
• Title: MarkCleaner: High-Fidelity Watermark Removal via Imperceptible Micro-Geometric Perturbation
• Title（参考訳）: MarkCleaner: 知覚できないマイクロ幾何学的摂動による高忠実度透かし除去
• Authors: Xiaoxi Kong, Jieyu Yuan, Pengdi Chen, Yuanlin Zhang, Chongyi Li, Bin Li,
• Abstract要約: MarkCleanerは、再生ベースの透かし除去によって引き起こされるセマンティックドリフトを回避する透かし除去フレームワークである。 我々は,MarkCleanerが透かし除去と視覚的忠実度の両方において優れた性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 37.899449138826725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic watermarks exhibit strong robustness against conventional image-space attacks. In this work, we show that such robustness does not survive under micro-geometric perturbations: spatial displacements can remove watermarks by breaking the phase alignment. Motivated by this observation, we introduce MarkCleaner, a watermark removal framework that avoids semantic drift caused by regeneration-based watermark removal. Specifically, MarkCleaner is trained with micro-geometry-perturbed supervision, which encourages the model to separate semantic content from strict spatial alignment and enables robust reconstruction under subtle geometric displacements. The framework adopts a mask-guided encoder that learns explicit spatial representations and a 2D Gaussian Splatting-based decoder that explicitly parameterizes geometric perturbations while preserving semantic content. Extensive experiments demonstrate that MarkCleaner achieves superior performance in both watermark removal effectiveness and visual fidelity, while enabling efficient real-time inference. Our code will be made available upon acceptance.
• Abstract（参考訳）: セマンティックな透かしは、従来の画像空間攻撃に対して強い堅牢性を示す。 本研究では, 空間変位は位相アライメントを破って透かしを除去するので, 微小な幾何学的摂動下ではそのような頑健さは生き残れないことを示す。 本研究は, 再生型透かし除去による意味的ドリフトを回避するため, 透かし除去フレームワークであるMarkCleanerを紹介する。 具体的には、MarkCleaner氏は、厳密な空間的アライメントからセマンティックコンテンツを分離し、微妙な幾何的変位の下で頑健な再構成を可能にする、マイクロジオメトリによる監視を訓練している。 このフレームワークは、明示的な空間表現を学習するマスク誘導エンコーダと、意味的コンテンツを保存しながら幾何学的摂動を明示的にパラメータ化する2Dガウススプラッティングベースのデコーダを採用する。 大規模な実験により,MarkCleanerは透かし除去効果と視覚的忠実度の両方において優れた性能を示し,リアルタイムの効率的な推論を可能にした。 私たちのコードは受け入れ次第利用可能になります。

関連論文リスト

• RAVEN: Erasing Invisible Watermarks via Novel View Synthesis [35.417500510522835]
  本研究では,透かし除去をビュー合成問題として再検討することにより,目に見えない透かしの根本的な脆弱性を明らかにする。 我々の重要な洞察は、視覚的忠実性を維持しながら、同じ意味的内容の知覚的に一貫した代替ビューを生成し、埋め込みされた透かしを自然に取り除くことである。 本稿では, 静止空間における制御幾何変換を適用したゼロショット拡散に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-13T18:59:58Z)
• Where is the Watermark? Interpretable Watermark Detection at the Block Level [15.634495620977297]
  本稿では,局所埋め込みと領域レベルの解釈性を組み合わせたポストホック画像透かし手法を提案する。 統計的ブロックワイド戦略を用いて離散ウェーブレット変換領域に透かし信号を埋め込む手法を提案する。 本手法は,セマンティックな操作に敏感でありながら,画像変換に対して強い堅牢性を実現することを示す。
  論文  参考訳（メタデータ） (2025-12-17T00:56:46Z)
• 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)
• Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
  我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。 我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。 我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。 現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2025-09-11T02:50:07Z)
• 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)
• Image Watermarks are Removable Using Controllable Regeneration from Clean Noise [26.09012436917272]
  透かし技法の重要な特徴は、様々な操作に対する頑丈さである。 本稿では,最先端の透かし手法を効果的に無効化できる透かし除去手法を提案する。 本手法は,既存の再生手法と比較して,視覚的整合性/品質の向上と透かし除去性能の向上を実現している。
  論文  参考訳（メタデータ） (2024-10-07T20:04:29Z)
• WMFormer++: Nested Transformer for Visible Watermark Removal via Implict Joint Learning [68.00975867932331]
  既存の透かし除去法は主にタスク固有のデコーダブランチを持つUNetに依存している。 両分野の情報を包括的に統合するために,暗黙的な共同学習パラダイムを導入する。 その結果、既存の最先端手法をはるかに上回る、我々のアプローチの顕著な優位性を示した。
  論文  参考訳（メタデータ） (2023-08-20T07:56:34Z)
• Who Wrote this Code? Watermarking for Code Generation [53.24895162874416]
  本稿では,機械生成テキストを検出するために,Entropy Thresholding (SWEET) を用いたSelective WatErmarkingを提案する。 実験の結果,SWEETはコード品質を著しく向上し,すべてのベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-05-24T11:49:52Z)

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。