論文の概要: PatchPoison: Poisoning Multi-View Datasets to Degrade 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2604.13153v1
• Date: Tue, 14 Apr 2026 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.231067
• Title: PatchPoison: Poisoning Multi-View Datasets to Degrade 3D Reconstruction
• Title（参考訳）: PatchPoison:3Dレコンストラクションの劣化を狙うマルチビューデータセット
• Authors: Prajas Wadekar, Venkata Sai Pranav Bachina, Kunal Bhosikar, Ankit Gangwal, Charu Sharma,
• Abstract要約: PatchPoisonは、無許可の3D再構成を防ぐ軽量なデータセットポゾン方式である。 PatchPoisonは、マルチビューデータセットで各画像の周辺に、構造化チェッカーボードである小さな高周波対向パッチを注入する。 NeRF-Syntheticベンチマークでは、12×12ピクセルのパッチを挿入すると、LPIPSの再現誤差は6.8倍になる。
• 参考スコア（独自算出の注目度）: 2.4608089260141504
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has recently enabled highly photorealistic 3D reconstruction from casually captured multi-view images. However, this accessibility raises a privacy concern: publicly available images or videos can be exploited to reconstruct detailed 3D models of scenes or objects without the owner's consent. We present PatchPoison, a lightweight dataset-poisoning method that prevents unauthorized 3D reconstruction. Unlike global perturbations, PatchPoison injects a small high-frequency adversarial patch, a structured checkerboard, into the periphery of each image in a multi-view dataset. The patch is designed to corrupt the feature-matching stage of Structure-from-Motion (SfM) pipelines such as COLMAP by introducing spurious correspondences that systematically misalign estimated camera poses. Consequently, downstream 3DGS optimization diverges from the correct scene geometry. On the NeRF-Synthetic benchmark, inserting a 12 X 12 pixel patch increases reconstruction error by 6.8x in LPIPS, while the poisoned images remain unobtrusive to human viewers. PatchPoison requires no pipeline modifications, offering a practical, "drop-in" preprocessing step for content creators to protect their multi-view data.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は、最近、カジュアルにキャプチャされた多視点画像から高光写実性3D再構成を可能にした。 しかし、このアクセシビリティーはプライバシー上の懸念を生じさせる: 公開画像やビデオは、所有者の同意なしに、シーンやオブジェクトの詳細な3Dモデルを再構築するために利用することができる。 PatchPoisonは、無許可の3D再構成を防ぐ軽量なデータセットポゾン方式である。 グローバルな摂動とは異なり、PatchPoisonは、マルチビューデータセットで各画像の周辺に、構造化チェッカーボードと呼ばれる小さな高周波対向パッチを注入する。 このパッチは、COLMAPのようなStructure-from-Motion(SfM)パイプラインの機能マッチングステージを、システム的に推定されたカメラのポーズを誤って調整するスプリアス対応を導入することで、破損させるように設計されている。 その結果、下流3DGS最適化は正しいシーン形状から分岐する。 NeRF-Syntheticベンチマークでは、12×12ピクセルのパッチを挿入すると、LPIPSの再現誤差は6.8倍になる。 PatchPoisonはパイプラインの変更を必要とせず、コンテンツクリエーターがマルチビューデータを保護するための実用的な"ドロップイン"前処理ステップを提供する。

関連論文リスト

• NOVA3R: Non-pixel-aligned Visual Transformer for Amodal 3D Reconstruction [99.52487968452198]
  NOVA3Rは、フィードフォワード方式で、未提示画像の集合から非画素アラインな3D再構成に有効なアプローチである。 重なり合う領域における重複構造の少ない物理的に可算な幾何学を生成する。 復元精度と完全性の観点から、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-03-04T15:36:25Z)
• RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
  本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。 各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。 RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-08-05T04:50:29Z)
• Unposed 3DGS Reconstruction with Probabilistic Procrustes Mapping [10.88046882501116]
  本稿では,事前学習したMVSを確率論的Procrustesマッピング戦略と統合した新しい3DGS再構成フレームワークを提案する。 提案手法は,非ポーズ画像列からの正確な再構成を実現し,非ポーズ3DGS再構成のための新しい手法の確立を図っている。
  論文  参考訳（メタデータ） (2025-07-24T16:08:01Z)
• DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
  閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。 私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
  論文  参考訳（メタデータ） (2025-06-26T17:58:26Z)
• TinySplat: Feedforward Approach for Generating Compact 3D Scene Representation [38.50388562890992]
  TinySplatは、コンパクトな3Dシーン表現を生成するための完全なフィードフォワードアプローチである。 TinySplatは標準フィードフォワード3DGS法に基づいており、トレーニング不要の圧縮フレームワークを統合している。 私たちのフレームワークはエンコーディング時間の25%とデコーディング時間の1%しか必要としません。
  論文  参考訳（メタデータ） (2025-06-11T07:47:19Z)
• FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
  FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。 当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。 包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
  論文  参考訳（メタデータ） (2024-12-12T18:52:53Z)
• USP-Gaussian: Unifying Spike-based Image Reconstruction, Pose Correction and Gaussian Splatting [45.246178004823534]
  スパイクカメラは、0-1ビットストリームを40kHzで撮影する革新的なニューロモルフィックカメラとして、ますます3D再構成タスクに採用されている。 以前のスパイクベースの3D再構成アプローチでは、ケースケースのパイプラインを使うことが多い。 本稿では,スパイクに基づく画像再構成,ポーズ補正,ガウス的スプラッティングをエンドツーエンドのフレームワークに統一する,相乗的最適化フレームワーク textbfUSP-Gaussian を提案する。
  論文  参考訳（メタデータ） (2024-11-15T14:15:16Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)

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。