論文の概要: SERUM: Simple, Efficient, Robust, and Unifying Marking for Diffusion-based Image Generation

• arxiv url: http://arxiv.org/abs/2603.13396v1
• Date: Wed, 11 Mar 2026 14:20:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.161462
• Title: SERUM: Simple, Efficient, Robust, and Unifying Marking for Diffusion-based Image Generation
• Title（参考訳）: SERUM: 拡散に基づく画像生成のための簡易、効率的、ロバスト、統一マーキング
• Authors: Jan Kociszewski, Hubert Jastrzębski, Tymoteusz Stępkowski, Filip Manijak, Krzysztof Rojek, Franziska Boenisch, Adam Dziedzic,
• Abstract要約: SERUMは、拡散モデル(DM)によって生成された画像のマーキングを、興味深いほどシンプルで効果的に行う方法である 初期拡散発生ノイズにユニークな透かしノイズを加えるだけで、透かし画像を特定するための軽量検出器を訓練する。 提案手法は, DMからの出力をマークし, 自然画像からの出力を確実に識別する実用的な手法を提供する。
• 参考スコア（独自算出の注目度）: 17.557041594919905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose SERUM: an intriguingly simple yet highly effective method for marking images generated by diffusion models (DMs). We only add a unique watermark noise to the initial diffusion generation noise and train a lightweight detector to identify watermarked images, simplifying and unifying the strengths of prior approaches. SERUM provides robustness against any image augmentations or watermark removal attacks and is extremely efficient, all while maintaining negligible impact on image quality. In contrast to prior approaches, which are often only resilient to limited perturbations and incur significant training, injection, and detection costs, our SERUM achieves remarkable performance, with the highest true positive rate (TPR) at a 1% false positive rate (FPR) in most scenarios, along with fast injection and detection and low detector training overhead. Its decoupled architecture also seamlessly supports multiple users by embedding individualized watermarks with little interference between the marks. Overall, our method provides a practical solution to mark outputs from DMs and to reliably distinguish generated from natural images.
• Abstract（参考訳）: 本稿では,拡散モデル(DM)により生成された画像のマーキングを,興味深いほどシンプルかつ高効率に行うSERUMを提案する。 初期拡散発生ノイズにユニークな透かしノイズを加えるだけで、透かし画像の識別を軽量検出器に訓練し、従来のアプローチの強みを単純化し統一する。 SERUMは、画像拡張や透かし除去攻撃に対して堅牢性を提供し、画像品質に対する無視的な影響を維持しながら、極めて効率的である。 我々のSERUMは、しばしば限られた摂動に耐性を持ち、大きなトレーニング、注入、検出コストを発生させる以前のアプローチとは対照的に、ほとんどのシナリオで1%偽陽性率(FPR)が最も高い真正率(TPR)と高速注入と検出のオーバーヘッド、低検出訓練のオーバーヘッドを達成している。 分離されたアーキテクチャは、マーキング間の干渉が少なく、個別の透かしを埋め込むことで、複数のユーザをシームレスにサポートする。 全体として,本手法は,DMからの出力をマークし,自然画像と確実に区別する実用的な方法である。

関連論文リスト

• More Haste, Less Speed: Weaker Single-Layer Watermark Improves Distortion-Free Watermark Ensembles [58.941305935872265]
  強い透かしがトークン分布のエントロピーを著しく減少させることを示す。 本稿では,より弱い単一層透かしを用いて,効率的なマルチ層アンサンブルに必要なエントロピーを保存するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T10:18:16Z)
• OSI: One-step Inversion Excels in Extracting Diffusion Watermarks [56.210696479553945]
  ガウスシェーディングスタイルの透かしを抽出する手法であるワンステップインバージョン(OSI)を提案する。 OSIは、透かし抽出を学習可能な記号分類問題として再構成し、初期雑音の正確な回帰を不要にする。 我々のOSIは,20倍高速で,抽出精度が向上し,透かしペイロード容量が2倍になる多段拡散インバージョン法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-10T07:43:16Z)
• OptMark: Robust Multi-bit Diffusion Watermarking via Inference Time Optimization [66.69924980864053]
  拡散復調過程の中間潜水器に頑健なマルチビット透かしを埋め込む最適化手法である OptMark を提案する。 OptMarkは、生成攻撃に対して早期に構造的な透かしを挿入し、画像変換に耐えるために遅れて詳細な透かしを挿入する。 実験結果から,OptMarkは有意変換,幾何変換,編集,再生攻撃に対する堅牢なレジリエンスを確保しつつ,目に見えないマルチビット透かしを実現することが示された。
  論文  参考訳（メタデータ） (2025-08-29T15:50:59Z)
• IConMark: Robust Interpretable Concept-Based Watermark For AI Images [50.045011844765185]
  我々は,新しい世代のロバストなセマンティックな透かし法であるIConMarkを提案する。 IConMarkは、解釈可能な概念をAI生成イメージに組み込み、敵の操作に耐性を持たせる。 我々は、検出精度と画質の維持の観点から、その優位性を実証する。
  論文  参考訳（メタデータ） (2025-07-17T05:38:30Z)
• DiffMark: Diffusion-based Robust Watermark Against Deepfakes [49.05095089309156]
  ディープフェイクは、悪意のある顔操作を通じて、重大なセキュリティとプライバシーの脅威を引き起こす。 既存の透かし法はディープフェイク操作に対して十分な堅牢性を欠いていることが多い。 本稿では拡散モデルに基づく新しいロバストな透かしフレームワークDiffMarkを提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:29:33Z)
• WaterFlow: Learning Fast & Robust Watermarks using Stable Diffusion [46.10882190865747]
  WaterFlowは、学習した潜伏依存の透かしに基づいて、高忠実度視覚透かしのための高速かつ極めて堅牢なアプローチである。 WaterFlowは、一般的な堅牢性に対して最先端のパフォーマンスを示し、難しい組み合わせ攻撃に対して効果的に防御できる最初の方法である。
  論文  参考訳（メタデータ） (2025-04-15T23:27:52Z)
• Robust Watermarks Leak: Channel-Aware Feature Extraction Enables Adversarial Watermark Manipulation [21.41643665626451]
  本稿では,事前学習された視覚モデルを用いて,透かしパターンの漏洩を抽出する攻撃フレームワークを提案する。 大量のデータや検出器のアクセスを必要とする従来の作業とは異なり,本手法は1つの透かし画像による偽造と検出の両方を達成している。 現在の"ロバスト"な透かしは、歪み抵抗に対するセキュリティを犠牲にして、将来の透かし設計の洞察を与えます。
  論文  参考訳（メタデータ） (2025-02-10T12:55:08Z)
• JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
  JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。 本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T03:31:41Z)
• RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
  本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。 我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。 このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
  論文  参考訳（メタデータ） (2024-01-23T22:00:49Z)

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。