論文の概要: SiGRRW: A Single-Watermark Robust Reversible Watermarking Framework with Guiding Strategy
- arxiv url: http://arxiv.org/abs/2602.19097v1
- Date: Sun, 22 Feb 2026 08:48:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.479399
- Title: SiGRRW: A Single-Watermark Robust Reversible Watermarking Framework with Guiding Strategy
- Title（参考訳）: SiGRRW: ガイド戦略を備えた単一透かしロバスト可逆型透かしフレームワーク
- Authors: Zikai Xu, Bin Liu, Weihai Li, Lijunxian Zhang, Nenghai Yu,
- Abstract要約: 可逆な透かし(RRW)は、透かし自体の歪みの制限を克服しながら、画像の著作権保護を可能にする。
生成モデルと自然画像の両方に適用可能な単一透かしRRWフレームワークSiGRRWを提案する。
提案フレームワークは,生成モデルの出力段階において,プラグアンドプレイの透かし層として展開するか,あるいは自然画像に直接適用することができる。
- 参考スコア（独自算出の注目度）: 44.01873823230619
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust reversible watermarking (RRW) enables copyright protection for images while overcoming the limitation of distortion introduced by watermark itself. Current RRW schemes typically employ a two-stage framework, which fails to achieve simultaneous robustness and reversibility within a single watermarking, and functional interference between the two watermarks results in performance degradation in multiple terms such as capacity and imperceptibility. We propose SiGRRW, a single-watermark RRW framework, which is applicable to both generative models and natural images. We introduce a novel guiding strategy to generate guiding images, serving as the guidance for embedding and recovery. The watermark is reversibly embedded with the guiding residual, which can be calculated from both cover images and watermark images. The proposed framework can be deployed either as a plug-and-play watermarking layer at the output stage of generative models, or directly applied to natural images. Extensive experiments demonstrate that SiGRRW effectively enhances imperceptibility and robustness compared to existing RRW schemes while maintaining lossless recovery of cover images, with significantly higher capacity than conventional schemes.
- Abstract（参考訳）: ロバスト可逆透かし(RRW)は、透かし自体の歪みの制限を克服しつつ、画像の著作権保護を可能にする。
現在のRRWスキームでは、単一の透かしにおいて同時に堅牢性と可逆性を達成できず、2つの透かし間の機能的干渉はキャパシティや非受容性といった複数の用語で性能劣化をもたらす。
生成モデルと自然画像の両方に適用可能な単一透かしRRWフレームワークSiGRRWを提案する。
本稿では,埋め込みとリカバリのためのガイダンスとして,ガイド画像を生成するための新たなガイド戦略を提案する。
透かしはガイド残差に可逆的に埋め込まれており、透かし画像と透かし画像の両方から計算することができる。
提案フレームワークは,生成モデルの出力段階において,プラグアンドプレイの透かし層として展開するか,あるいは自然画像に直接適用することができる。
広汎な実験により、SiGRRWは既存のRRW方式と比較して、非受容性と堅牢性を効果的に向上し、カバー画像のロスレス回復を維持しつつ、従来の方式よりもはるかに高いキャパシティを有することが示された。
関連論文リスト
- AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters [52.556959321030966]
Low-Rank Adaptation (LoRA) は拡散モデルをカスタマイズするための効率的なパラダイムを提供する。
既存の透かし技術はベースモデルをターゲットにするか、LoRAモジュール自体を検証する。
本稿では,LoRAトレーニングプロセスに直接,認識不能でトレーサブルな透かしを埋め込む統一透かしフレームワークであるAuthenLoRAを提案する。
論文 参考訳（メタデータ） (2025-11-26T09:48:11Z) - Learning Generalizable and Efficient Image Watermarking via Hierarchical Two-Stage Optimization [90.13049455759358]
ウォーターマーキングモデルが同時に3つの基準を達成できる2段階最適化を提案する。
HiWLは、広い適用性を維持しながら、一般化可能な潜在空間の透かし表現を効果的に学習する。
従来の方法よりも7.6%高い精度で透かし抽出が可能で、非常に低レイテンシ(8秒で処理された100K画像)を維持している。
論文 参考訳（メタデータ） (2025-08-12T06:21:27Z) - 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) - Optimization-Free Universal Watermark Forgery with Regenerative Diffusion Models [50.73220224678009]
ウォーターマーキングは、人工知能モデルによって生成された合成画像の起源を検証するために使用できる。
近年の研究では, 対象画像から表層画像への透かしを, 対角的手法を用いてフォージできることが示されている。
本稿では,最適化フリーで普遍的な透かし偽造のリスクが大きいことを明らかにする。
我々のアプローチは攻撃範囲を大きく広げ、現在の透かし技術の安全性により大きな課題をもたらす。
論文 参考訳（メタデータ） (2025-06-06T12:08:02Z) - 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) - Safe-VAR: Safe Visual Autoregressive Model for Text-to-Image Generative Watermarking [18.251123923955397]
自己回帰学習はテキストと画像の生成において支配的なアプローチとなり、高い効率と視覚的品質を提供する。
拡散モデルのために設計された既存の透かし法は、しばしばVARモデルのシーケンシャルな性質に適応するのに苦労する。
自動回帰テキスト・画像生成に特化して設計された最初のウォーターマーキングフレームワークであるSafe-VARを提案する。
論文 参考訳（メタデータ） (2025-03-14T11:45:10Z) - Deep Robust Reversible Watermarking [34.57638608780908]
既存のRobust Reversible Watermarking (RRW) 手法は複雑な設計、高い計算コスト、ロバスト性に直面する。
本稿では,ディープラーニングに基づくRRWスキームであるDeep Robust Reversible Watermarking (DRRW)を提案する。
DRRWはエンコーダ-ノイズ層デコーダフレームワークを使用して、エンドツーエンドのトレーニングを通じて適応的な堅牢性を実現する。
論文 参考訳（メタデータ） (2025-03-04T10:56:08Z) - 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)
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。