論文の概要: Splats in Splats++: Robust and Generalizable 3D Gaussian Splatting Steganography

• arxiv url: http://arxiv.org/abs/2604.15862v1
• Date: Fri, 17 Apr 2026 09:13:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.848694
• Title: Splats in Splats++: Robust and Generalizable 3D Gaussian Splatting Steganography
• Title（参考訳）: Splats++におけるSplats:ロバストで一般化可能な3次元ガウススプラッティングステガノグラフィ
• Authors: Yijia Guo, Wenkai Huang, Tong Hu, Gaolei Li, Yang Li, Yuxin Hong, Liwen Hu, Xitong Ling, Jianhua Li, Shengbo Chen, Tiejun Huang, Lei Ma,
• Abstract要約: 3D Gaussian Splatting (3DGS) は3D再構成のパラダイムを再定義し、視覚的忠実度と計算効率のバランスを保った。 Splats++は,高容量な3D/4Dコンテンツをネイティブな3DGS表現に直接シームレスに埋め込む,統一的でパイプラインに依存しないステガノグラフィフレームワークである。
• 参考スコア（独自算出の注目度）: 32.33494908495543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has recently redefined the paradigm of 3D reconstruction, striking an unprecedented balance between visual fidelity and computational efficiency. As its adoption proliferates, safeguarding the copyright of explicit 3DGS assets has become paramount. However, existing invisible message embedding frameworks struggle to reconcile secure and high-capacity data embedding with intrinsic asset utility, often disrupting the native rendering pipeline or exhibiting vulnerability to structural perturbations. In this work, we present \textbf{\textit{Splats in Splats++}}, a unified and pipeline-agnostic steganography framework that seamlessly embeds high-capacity 3D/4D content directly within the native 3DGS representation. Grounded in a principled analysis of the frequency distribution of Spherical Harmonics (SH), we propose an importance-graded SH coefficient encryption scheme that achieves imperceptible embedding without compromising the original expressive power. To fundamentally resolve the geometric ambiguities that lead to message leakage, we introduce a \textbf{Hash-Grid Guided Opacity Mapping} mechanism. Coupled with a novel \textbf{Gradient-Gated Opacity Consistency Loss}, our formulation enforces a stringent spatial-attribute coupling between the original and hidden scenes, effectively projecting the discrete attribute mapping into a continuous, attack-resilient latent manifold. Extensive experiments demonstrate that our method substantially outperforms existing approaches, achieving up to \textbf{6.28 db} higher message fidelity, \textbf{3$\times$} faster rendering, and exceptional robustness against aggressive 3D-targeted structural attacks (e.g., GSPure). Furthermore, our framework exhibits remarkable versatility, generalizing seamlessly to 2D image embedding, 4D dynamic scene steganography, and diverse downstream tasks.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は3D再構成のパラダイムを再定義し、視覚的忠実度と計算効率のバランスを保った。 採用が拡大するにつれて、明示的な3DGS資産の著作権の保護が最重要視されている。 しかし、既存の目に見えないメッセージ埋め込みフレームワークは、本質的なアセットユーティリティに埋め込まれたセキュアで高容量なデータを再構築するのに苦労している。 本研究では,Splats++におけるtextbf{\textit{Splats in Splats++}}について述べる。これは,高容量な3D/4Dコンテンツをネイティブな3DGS表現に直接シームレスに埋め込む,統一的でパイプラインに依存しないステガノグラフィフレームワークである。 球高調波(SH)の周波数分布の原理的解析に基づいて,従来の表現力の妥協を伴わずに,認識不能な埋め込みを実現する重要グレードのSH係数暗号方式を提案する。 メッセージの漏洩につながる幾何学的曖昧さを根本的に解決するために,<textbf{Hash-Grid Guided Opacity Mapping} 機構を導入する。 我々の定式化は, 新規な<textbf{Gradient-Gated Opacity Consistency Loss} と組み合わせて, 元のシーンと隠されたシーンの間に厳密な空間-属性結合を強制し, 離散属性写像を連続的かつ攻撃耐性な潜在多様体に効果的に投影する。 大規模な実験により,本手法は既存の手法よりも優れており,より高次メッセージ忠実度,より高速なレンダリング,攻撃的な3Dターゲット構造攻撃(GSPureなど)に対する例外的ロバスト性を実現している。 さらに,本フレームワークは,2次元画像埋め込み,4次元ダイナミックシーンステガノグラフィ,様々な下流タスクをシームレスに一般化し,優れた汎用性を示す。

関連論文リスト

• Unfolding 3D Gaussian Splatting via Iterative Gaussian Synopsis [48.743921535513635]
  イテレーティブ・ガウス・シンプシス(Iterative Gaussian Synopsis)は、トップダウンの「展開」スキームを通じてコンパクトでプログレッシブなレンダリングを行うための新しいフレームワークである。 提案手法は3DGSモデルから始まり,適応的かつ学習可能なマスクベースプルーニング機構を用いて,粗いLODを反復的に導出する。 この組み合わせはコンパクトで表現力のある特徴表現を生み出し、冗長性を最小化し、効率よく、レベル固有の適応をサポートするように設計されている。
  論文  参考訳（メタデータ） (2026-04-13T16:28:35Z)
• Efficient Camera Pose Augmentation for View Generalization in Robotic Policy Learning [42.18646270150553]
  GenSplatはフィードフォワード型3Dガウス型スプレイティングフレームワークで、ビュー一般化政策学習を容易にする。 これらの安定な3次元表現から多様な合成ビューを描画することにより、トレーニング中に観察多様体を体系的に増強する。
  論文  参考訳（メタデータ） (2026-03-31T02:56:10Z)
• 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
  3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。 その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。 既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。 本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
  論文  参考訳（メタデータ） (2026-03-08T11:16:30Z)
• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• AnchorDS: Anchoring Dynamic Sources for Semantically Consistent Text-to-3D Generation [56.399153019429605]
  この研究は、源動力学を無視すると、意味的手がかりを抑えるまたはマージする矛盾した軌跡が得られることを示している。 我々は、動的に変化するソース分布を固定されたターゲット分布にマッピングするものとして、テキストから3Dまでの最適化を再構成する。 AnchorDS(AnchorDS)は、画像の条件に応じた状態適応型ガイダンスを提供する、改良されたスコア蒸留機構である。
  論文  参考訳（メタデータ） (2025-11-12T09:51:23Z)
• HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
  HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。 HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
  論文  参考訳（メタデータ） (2025-09-29T15:03:31Z)
• OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
  OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。 提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
  論文  参考訳（メタデータ） (2025-09-27T11:19:32Z)
• Interpretable Single-View 3D Gaussian Splatting using Unsupervised Hierarchical Disentangled Representation Learning [46.85417907244265]
  本稿では,粗い3Dセマンティクスと微粒な3Dセマンティクスの両方を発見するために,3DisGSと呼ばれる解釈可能な単一ビュー3DGSフレームワークを提案する。 本モデルでは,高品質かつ高速な再構成を保ちながら3次元のアンタングル化を実現する。
  論文  参考訳（メタデータ） (2025-04-05T14:42:13Z)
• BloomScene: Lightweight Structured 3D Gaussian Splatting for Crossmodal Scene Generation [54.12899218104669]
  3Dシーンは非常に複雑な構造を持ち、出力が密度が高く、一貫性があり、必要な全ての構造を含むことを保証する必要がある。 現在の3Dシーン生成法は、事前訓練されたテキスト・画像拡散モデルと単眼深度推定器に依存している。 クロスモーダルシーン生成のための軽量な3次元ガウススプラッティングであるBloomSceneを提案する。
  論文  参考訳（メタデータ） (2025-01-15T11:33:34Z)

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。