論文の概要: SLICE: Semantic Latent Injection via Compartmentalized Embedding for Image Watermarking

• arxiv url: http://arxiv.org/abs/2603.12749v1
• Date: Fri, 13 Mar 2026 07:49:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.975257
• Title: SLICE: Semantic Latent Injection via Compartmentalized Embedding for Image Watermarking
• Title（参考訳）: SLICE:画像ウォーターマーキングのための比較的埋め込みによるセマンティック潜伏注入
• Authors: Zheng Gao, Yifan Yang, Xiaoyu Li, Xiaoyan Feng, Haoran Fan, Yang Song, Jiaojiao Jiang,
• Abstract要約: 拡散モデルの初期のノイズを透かしは、画像の出現に有望なアプローチとして現れている。 近年のセマンティック・アウェア・ウォーターマーキングは画像意味論の条件付けによるロバスト性の向上を図っている。 我々は$underlinetextbfS$emantic $underlinetextbfL$atent $underlinetextbfI$njection via $underlinetextbfC$ompartmentalized $underlinetextbfE$mを提案する。
• 参考スコア（独自算出の注目度）: 13.169581979130058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Watermarking the initial noise of diffusion models has emerged as a promising approach for image provenance, but content-independent noise patterns can be forged via inversion and regeneration attacks. Recent semantic-aware watermarking methods improve robustness by conditioning verification on image semantics. However, their reliance on a single global semantic binding makes them vulnerable to localized but globally coherent semantic edits. To address this limitation and provide a trustworthy semantic-aware watermark, we propose $\underline{\textbf{S}}$emantic $\underline{\textbf{L}}$atent $\underline{\textbf{I}}$njection via $\underline{\textbf{C}}$ompartmentalized $\underline{\textbf{E}}$mbedding ($\textbf{SLICE}$). Our framework decouples image semantics into four semantic factors (subject, environment, action, and detail) and precisely anchors them to distinct regions in the initial Gaussian noise. This fine-grained semantic binding enables advanced watermark verification where semantic tampering is detectable and localizable. We theoretically justify why SLICE enables robust and reliable tamper localization and provides statistical guarantees on false-accept rates. Experimental results demonstrate that SLICE significantly outperforms existing baselines against advanced semantic-guided regeneration attacks, substantially reducing attack success while preserving image quality and semantic fidelity. Overall, SLICE offers a practical, training-free provenance solution that is both fine-grained in diagnosis and robust to realistic adversarial manipulations.
• Abstract（参考訳）: 拡散モデルの初期ノイズを透かしは、画像証明のための有望なアプローチとして現れてきたが、内容に依存しないノイズパターンは、反転および再生攻撃によって偽造することができる。 近年のセマンティック・アウェア・ウォーターマーキングは画像意味論の条件付けによるロバスト性の向上を図っている。 しかし、単一のグローバルなセマンティックバインディングに依存しているため、ローカライズされているが、グローバルなコヒーレントなセマンティック編集に弱い。 この制限に対処し、信頼できるセマンティックな透かしを提供するために、$\underline{\textbf{S}}$emantic $\underline{\textbf{L}}$atent $\underline{\textbf{I}}$njection via $\underline{\textbf{C}}$ompartmentalized $\underline{\textbf{E}}$mbedding$\textbf{SLICE}$ 本フレームワークは,画像意味論を4つの意味因子(対象,環境,行動,詳細)に分解し,初期ガウス雑音の異なる領域に正確に固定する。 このきめ細かいセマンティックバインディングは、セマンティックタンパが検出可能でローカライズ可能な高度な透かし検証を可能にする。 理論的には、SLICEが堅牢で信頼性の高いタンパーの局所化を可能にしている理由を正当化し、偽受容率に関する統計的保証を提供する。 実験結果から,SLICEは画像品質とセマンティック忠実性を維持しながら,高度なセマンティック誘導再生攻撃に対して既存のベースラインを著しく上回り,攻撃成功を著しく低減することが示された。 SLICEは、診断のきめ細やかさと、現実的な敵の操作の堅牢さを両立させる、実践的でトレーニングなしの証明ソリューションを提供する。

関連論文リスト

• Breaking Semantic-Aware Watermarks via LLM-Guided Coherence-Preserving Semantic Injection [6.443002210168185]
  従来のノイズ層ベースの透かしは、組込み信号を回復できる逆攻撃に弱いままである。 近年のコンテンツ対応セマンティック透かし方式は、透かし信号をハイレベルな画像意味論に結び付け、グローバルな一貫性を損なうような局所的な編集を制限している。 埋め込み空間類似性制約下でのLLM誘導のセマンティック操作を利用するコヒーレンス保存セマンティックインジェクション(CSI)アタックを導入する。
  論文  参考訳（メタデータ） (2026-02-25T05:38:08Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• Removing Watermarks with Partial Regeneration using Semantic Information [43.49935979539602]
  SemanticRegenは3段階のラベルのない攻撃で、最先端のセマンティックスと目に見えない透かしを消去する。 4つの透かしシステムで1000のプロンプトを評価しました 結果は、現在の透かし防御と適応的セマンティクスを意識した敵の能力の急激なギャップを浮き彫りにする。
  論文  参考訳（メタデータ） (2025-05-13T05:25:06Z)
• Towards Generalized and Training-Free Text-Guided Semantic Manipulation [123.80467566483038]
  テキスト誘導意味操作は、ソースプロンプトから生成された画像をセマンティックに編集し、ターゲットプロンプトにマッチさせる。 本稿では,テキスト案内型セマンティック操作のための新しい$textitGTF$を提案する。 本実験は,本手法の有効性を実証し,セマンティックス操作の最先端化の可能性を強調した。
  論文  参考訳（メタデータ） (2025-04-24T05:54:56Z)
• SEAL: Semantic Aware Image Watermarking [26.606008778795193]
  本稿では,生成した画像のセマンティック情報を透かしに直接埋め込む新しい透かし手法を提案する。 キーパターンは、局所性に敏感なハッシュを用いて画像のセマンティック埋め込みから推測することができる。 以上の結果から,画像生成モデルによるリスクを軽減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-03-15T15:29:05Z)
• IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
  拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。 知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。 本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
  論文  参考訳（メタデータ） (2023-10-30T03:33:41Z)

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。