論文の概要: ShapeMark: Robust and Diversity-Preserving Watermarking for Diffusion Models

• arxiv url: http://arxiv.org/abs/2603.09454v1
• Date: Tue, 10 Mar 2026 10:10:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.220601
• Title: ShapeMark: Robust and Diversity-Preserving Watermarking for Diffusion Models
• Title（参考訳）: ShapeMark:拡散モデルのためのロバスト・多様性保存型透かし
• Authors: Yuqi Qian, Yun Cao, Haocheng Fu, Meiyang Lv, Meineng Zhu,
• Abstract要約: ノイズ・アズ・ウォーターマーク(NaW)アプローチは、透かしを直接拡散過程に統合する。 ノイズ要素の位置を値を変更することなく補充する専用ランダム化設計を導入する。 本手法は,多種多様な損失シナリオにまたがる高次品質を維持しつつ,最先端のロバスト性を実現する。
• 参考スコア（独自算出の注目度）: 1.531886051127726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have made substantial advances in recent years, enabling high-quality image synthesis; however, the widespread dissemination and reuse of their outputs have introduced new challenges in intellectual property protection and content provenance. Image watermarking offers a solution to these challenges, and recent work has increasingly explored Noise-as-Watermark (NaW) approaches that integrate watermarking directly into the diffusion process. However, existing NaW methods fail to balance robustness and diversity. We attribute this weakness to value encoding, which encodes watermark bits into individual sampled values. It is extremely fragile in practical application scenarios. To address this, we encode watermark bits into the structured noise pattern, so that the watermark is preserved even when individual values are perturbed. To further ensure generation diversity, we introduce a dedicated randomization design that reshuffles the positions of noise elements without changing their values, preventing the watermark from inducing fixed noise patterns or spatial locations. Extensive experiments demonstrate that our method achieves state-of-the-art robustness while maintaining high generation quality across a wide range of lossy scenarios.
• Abstract（参考訳）: 近年,拡散モデルにより高品質な画像合成が可能になったが,その普及と再利用により,知的財産権保護とコンテンツ証明に新たな課題がもたらされた。 画像透かしはこれらの課題に対する解決策であり、近年の研究では、透かしを直接拡散プロセスに統合するノイズ・アズ・ウォーターマーク(NaW)アプローチを探求している。 しかし、既存のNaW法は堅牢性と多様性のバランスが取れない。 この弱点は値符号化によるもので、個々のサンプル値に透かしビットを符号化する。 実践的なアプリケーションシナリオでは極めて脆弱です。 そこで我々は,各値が乱れても透かしを保存できるように,透かしビットを構造化ノイズパターンに符号化する。 生成の多様性をさらに確保するため,ノイズ要素の位置を値を変えずに補充する専用ランダム化設計を導入し,透かしが固定されたノイズパターンや空間的位置を誘導するのを防ぐ。 広範囲の損失シナリオにまたがる高次品質を維持しつつ, 最先端のロバスト性を実現することの実証実験を行った。

関連論文リスト

• T2SMark: Balancing Robustness and Diversity in Noise-as-Watermark for Diffusion Models [89.29541056113442]
  T2SMarkはTail-Truncated Smpling(TTS)に基づく2段階の透かし方式である U-NetとDiTのバックボーンを用いた拡散モデル上でのT2SMarkの評価を行った。
  論文  参考訳（メタデータ） (2025-10-25T16:55:55Z)
• 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)
• Gaussian Shading++: Rethinking the Realistic Deployment Challenge of Performance-Lossless Image Watermark for Diffusion Models [66.54457339638004]
  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,実世界の展開に適した拡散モデル透かし手法を提案する。 Gaussian Shading++はパフォーマンスのロスレス性を維持するだけでなく、ロバスト性の観点からも既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-04-21T11:18:16Z)
• Dynamic watermarks in images generated by diffusion models [46.1135899490656]
  高忠実度テキストから画像への拡散モデルが視覚コンテンツ生成に革命をもたらしたが、その普及は重大な倫理的懸念を提起している。 本稿では,拡散モデルのための新しい多段階透かしフレームワークを提案する。 我々の研究は、モデルオーナシップの検証と誤用防止のためのスケーラブルなソリューションを提供することで、AI生成コンテンツセキュリティの分野を前進させます。
  論文  参考訳（メタデータ） (2025-02-13T03:23:17Z)
• Spread them Apart: Towards Robust Watermarking of Generated Content [4.332441337407564]
  本稿では,生成したコンテンツに透かしを埋め込む手法を提案する。 埋め込みされた透かしは、境界等級の加法摂動に対して頑健であることを保証する。
  論文  参考訳（メタデータ） (2025-02-11T09:23:38Z)
• MarkPlugger: Generalizable Watermark Framework for Latent Diffusion Models without Retraining [48.41130825143742]
  AI生成コンテンツ(AIGC)の急速な発展期には、潜伏拡散モデル(LDM)の迅速な反復と修正により、ウォーターマークモデルによる再トレーニングがコストがかかる。 我々は,LDMの再学習を伴わない汎用的なプラグイン・アンド・プレイ・ウォーターマーク・フレームワークであるMarkPluggerを提案する。 実験結果から,本手法は画像品質と透かし回収率を効果的に調和させることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T15:29:46Z)

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。