論文の概要: Understanding Semantic Perturbations on In-Processing Generative Image Watermarks

• arxiv url: http://arxiv.org/abs/2603.27513v1
• Date: Sun, 29 Mar 2026 04:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.994305
• Title: Understanding Semantic Perturbations on In-Processing Generative Image Watermarks
• Title（参考訳）: In-Processing Generative Image Watermarksにおける意味摂動の理解
• Authors: Anirudh Nakra, Min Wu,
• Abstract要約: 本研究では,セマンティックドリフト下でのインプロセッシング・ジェネレーティブ・ウォーターマークの系統的ストレステストを行うフレームワークを提案する。 強靭性は意味的絡み合いの程度によって大きく変化する。 この結果から,透かしの設計とベンチマークは意味的操作に対する堅牢性を明確に考慮する必要があることが示唆された。
• 参考スコア（独自算出の注目度）: 7.3040623979718475
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The widespread deployment of high-fidelity generative models has intensified the need for reliable mechanisms for provenance and content authentication. In-processing watermarking, embedding a signature into the generative model's synthesis procedure, has been advocated as a solution and is often reported to be robust to standard post-processing (such as geometric transforms and filtering). Yet robustness to semantic manipulations that alter high-level scene content while maintaining reasonable visual quality is not well studied or understood. We introduce a simple, multi-stage framework for systematically stress-testing in-processing generative watermarks under semantic drift. The framework utilizes off-the-shelf models for object detection, mask generation, and semantically guided inpainting or regeneration to produce controlled, meaning-altering edits with minimal perceptual degradation. Based on extensive experiments on representative schemes, we find that robustness varies significantly with the degree of semantic entanglement: methods by which watermarks remain detectable under a broad suite of conventional perturbations can fail under semantic edits, with watermark detectability in many cases dropping to near zero while image quality remains high. Overall, our results reveal a critical gap in current watermarking evaluations and suggest that watermark designs and benchmarking must explicitly account for robustness against semantic manipulation.
• Abstract（参考訳）: 高忠実度生成モデルの広範な展開により、証明とコンテンツ認証のための信頼性の高いメカニズムの必要性が高まっている。 インプロセッシングウォーターマーキングは、生成モデルの合成手順にシグネチャを埋め込んだもので、ソリューションとして提唱され、しばしば標準的な後処理(幾何変換やフィルタリングなど)に対して堅牢であると報告されている。 しかし、合理的な視覚的品質を維持しながら、高レベルのシーン内容を変化させる意味操作に対する堅牢性は、十分に研究され、理解されていない。 セマンティックドリフト下でのインプロセッシング・インプロセッシング・インプロセッシング・インプロセッシング・透かしを系統的にテストするための簡易な多段階フレームワークを提案する。 このフレームワークは、オブジェクト検出、マスク生成、意味的に導かれたインペイントまたは再生のためのオフザシェルフモデルを利用して、最小限の知覚的劣化を伴うコントロールされた意味転換編集を生成する。 代表的なスキームに関する広範な実験結果から,意味的絡み合いの程度によって,ロバスト性は著しく異なることが判明した。従来の摂動の広いスイートの下で透かしが検出可能な手法は,画像品質が高いまま,多くのケースにおいて,意味的編集の下で失敗する可能性がある。 以上の結果から,透かし設計とベンチマークは意味操作に対する堅牢性を明確に考慮する必要があることが示唆された。

関連論文リスト

• SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense [7.442956390854273]
  現代の生成モデルによって生成されたディープフェイクは、情報の完全性、デジタルアイデンティティ、および公的な信頼に深刻な脅威をもたらす。 本稿では,プロアクティブなディープフェイクディフェンスとメディアプロファイランス検証のための,ソースAttributed Invisible Watermarking FrameworkであるSAiWを紹介する。
  論文  参考訳（メタデータ） (2026-03-24T13:26:52Z)
• Editing Away the Evidence: Diffusion-Based Image Manipulation and the Failure Modes of Robust Watermarking [0.3644540605358075]
  拡散ベースの画像編集はノイズを注入し、強力な生成前処理を通じて画像を再構成する。 非対向拡散編集は無意識に劣化したり、頑健な透かしを除去できることを示す。 結果は、定期的なセマンティック編集でさえ、透かしの復元可能性を大幅に低下させることを示している。
  論文  参考訳（メタデータ） (2026-03-13T12:46:27Z)
• When Denoising Becomes Unsigning: Theoretical and Empirical Analysis of Watermark Fragility Under Diffusion-Based Image Editing [0.0]
  並行して、拡散ベースの画像編集は、モダンなコンテンツパイプラインのためのデフォルトの変換層に急速に成熟した。 本稿ではこれらの傾向の微妙な相互作用について考察する。 透かしペイロードは, 前方拡散ステップによって系統的に減衰される低エネルギー, 高周波信号として振る舞うことを示す。 生成的変換の時代において意味のあるウォーターマーキングスキームの倫理的含意、責任のある開示規範、具体的な設計ガイドラインについて論じる。
  論文  参考訳（メタデータ） (2026-03-05T00:26:34Z)
• WMVLM: Evaluating Diffusion Model Image Watermarking via Vision-Language Models [79.32764976020435]
  拡散モデルから生成された画像を保護するためには,デジタル透かしが不可欠である。 従来の透かし評価手法では,残余と意味の両方の透かしの統一的な枠組みが欠如していた。 我々は,視覚言語モデルを用いた拡散モデル画像透かしのための最初の統一的・解釈可能な評価フレームワークLMを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:14:32Z)
• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• 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)
• A Watermark for Auto-Regressive Image Generation Models [50.599325258178254]
  画像生成モデル用に明示的に設計された歪みのない透かし法であるC-reweightを提案する。 C-reweightは画像の忠実性を維持しながら再起動ミスマッチを緩和する。
  論文  参考訳（メタデータ） (2025-06-13T00:15:54Z)
• 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)
• Robust Identity Perceptual Watermark Against Deepfake Face Swapping [9.402982368385569]
  ディープフェイク・フェイススワップは、ディープジェネレーティブ・モデルの急速な開発で重要なプライバシー問題を引き起こしている。 本稿では,Deepfakeの顔スワップに対する検出とソーストレースを同時に行う,堅牢なアイデンティティ認識型透かしフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-02T16:04:32Z)

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。