論文の概要: Fake3DGS: A Benchmark for 3D Manipulation Detection in Neural Rendering
- arxiv url: http://arxiv.org/abs/2604.27590v1
- Date: Thu, 30 Apr 2026 08:41:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.999624
- Title: Fake3DGS: A Benchmark for 3D Manipulation Detection in Neural Rendering
- Title（参考訳）: Fake3DGS:ニューラルレンダリングにおける3次元マニピュレーション検出のベンチマーク
- Authors: Davide Di Nucci, Riccardo Catalini, Guido Borghi, Roberto Vezzani,
- Abstract要約: 近年の3D再構成とニューラルレンダリングの進歩により、3Dシーンを編集し、それらを非常にリアルな画像として再レンダリングすることが可能になった。
セキュリティ上の懸念は、3Dコンテンツの信頼性に関するものである。
本稿では,3次元ガウススプレイティングシーンとそれに対応するレンダリングビューのデータセットであるFake3DGSを紹介する。
- 参考スコア（独自算出の注目度）: 4.033941524910261
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent advances in 3D reconstruction and neural rendering,particularly 3D Gaussian Splatting, make it feasible and simple to edit 3D scenes and re-render them as highly realistic images. Therefore, security concerns arise regarding the authenticity of 3D content. Despite this threat, 3D fake detection remains largely unexplored in the literature, and most existing work is limited to 2D space. Therefore, in this paper, we formalize the concept of 3D fake detection and introduce Fake3DGS, a dataset of 3D Gaussian splatting scenes and corresponding rendered views, where fake images are produced by controlled manipulations of geometry, appearance, and spatial layout, while preserving high visual realism. Using this benchmark, we demonstrate that current state-of-the-art 2D detectors struggle to distinguish between original and 3D manipulated images. To bridge this gap, we introduce a 3D-aware detection method that leverages multi-view coherence and features derived from the Gaussian splatting representation. Experimental results demonstrate a substantial improvement in recognizing modified 3D content, underscoring the validity of the new dataset and the necessity for authenticity assessment techniques that extend beyond 2D evidence. Code and data are publicly released for future investigations.
- Abstract（参考訳）: 近年の3D再構成とニューラルレンダリングの進歩、特に3Dガウススプラッティングは、3Dシーンを編集し、それらを非常にリアルな画像として再レンダリングしやすくしている。
したがって、3Dコンテンツの信頼性に関するセキュリティ上の懸念が生じる。
この脅威にもかかわらず、3Dの偽物検出は文献では未発見であり、既存の研究のほとんどは2D空間に限られている。
そこで,本稿では,3次元の擬似検出の概念を定式化し,高視覚的リアリズムを維持しつつ,幾何学的,外観的,空間的レイアウトを制御して偽画像を生成する3次元ガウススプレイティングシーンとそれに対応するレンダリングビューのデータセットであるFake3DGSを紹介した。
このベンチマークを用いて、現在最先端の2D検出器は、オリジナル画像と3D操作画像の区別に苦慮していることを示す。
このギャップを埋めるために,多視点コヒーレンスとガウススティング表現から派生した特徴を利用する3D認識検出手法を提案する。
実験の結果,修正された3Dコンテンツの認識が大幅に向上し,新たなデータセットの有効性と2D証拠を超える信頼性評価技術の必要性が示された。
コードとデータは、将来の調査のために公開されている。
関連論文リスト
- LabelAny3D: Label Any Object 3D in the Wild [18.044792932630752]
COCO3Dは、MS-COCOデータセットから派生したオープンボキャブラリ単分子3D検出のための新しいベンチマークである。
本稿では,2次元画像から総合的な3Dシーンを再構築し,高品質な3Dバウンディングボックスアノテーションを効率よく生成するインカライズ・バイ・シンセサイザーフレームワークであるLabelAny3Dを紹介する。
論文 参考訳（メタデータ） (2026-01-04T22:03:45Z) - Director3D: Real-world Camera Trajectory and 3D Scene Generation from Text [61.9973218744157]
実世界の3Dシーンと適応カメラトラジェクトリの両方を生成するように設計された,堅牢なオープンワールドテキスト・ツー・3D生成フレームワークであるDirector3Dを紹介する。
Director3Dは既存の手法よりも優れており、実世界の3D生成において優れたパフォーマンスを提供する。
論文 参考訳（メタデータ） (2024-06-25T14:42:51Z) - 3D-SceneDreamer: Text-Driven 3D-Consistent Scene Generation [51.64796781728106]
本稿では,2次元拡散モデル以前の自然画像と,現在のシーンのグローバルな3次元情報を利用して,高品質で新しいコンテンツを合成する生成的精細化ネットワークを提案する。
提案手法は,視覚的品質と3次元の整合性を改善した多種多様なシーン生成と任意のカメラトラジェクトリをサポートする。
論文 参考訳（メタデータ） (2024-03-14T14:31:22Z) - Weakly Supervised Monocular 3D Detection with a Single-View Image [58.57978772009438]
モノクロ3D検出は、単一視点画像からの正確な3Dオブジェクトのローカライゼーションを目的としている。
SKD-WM3Dは弱い教師付き単分子3D検出フレームワークである。
我々は,SKD-WM3Dが最先端技術を超え,多くの完全教師付き手法と同等であることを示した。
論文 参考訳（メタデータ） (2024-02-29T13:26:47Z) - 3DiffTection: 3D Object Detection with Geometry-Aware Diffusion Features [70.50665869806188]
3DiffTectionは、単一の画像から3Dオブジェクトを検出する最先端の方法である。
拡散モデルを微調整し、単一の画像に条件付けされた新しいビュー合成を行う。
さらに、検出監視により、ターゲットデータ上でモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-11-07T23:46:41Z) - Graph-DETR3D: Rethinking Overlapping Regions for Multi-View 3D Object
Detection [17.526914782562528]
グラフ構造学習(GSL)による多視点画像情報を自動的に集約するグラフDETR3Dを提案する。
我々の最良のモデルは、nuScenesテストリーダーボード上で49.5 NDSを達成し、様々な画像ビュー3Dオブジェクト検出器と比較して新しい最先端技術を実現している。
論文 参考訳（メタデータ） (2022-04-25T12:10:34Z) - Pseudo-Stereo for Monocular 3D Object Detection in Autonomous Driving [14.582107328849473]
ステレオビューにおける画像-画像生成のギャップは、画像-画像-LiDAR生成のギャップよりもはるかに小さい。
そこで我々はPseudo-Stereo 3D検出フレームワークを3つの新しい仮想ビュー生成手法で提案する。
我々のフレームワークは、KITTI-3Dベンチマークで公表されたモノクラー3D検出器の中で、車、歩行者、サイクリストで1位にランクインしている。
論文 参考訳（メタデータ） (2022-03-04T03:00:34Z) - Voxel-based 3D Detection and Reconstruction of Multiple Objects from a
Single Image [22.037472446683765]
入力画像から3次元特徴持ち上げ演算子を用いて3次元シーン空間に整合した3次元ボクセル特徴の正規格子を学習する。
この3Dボクセルの特徴に基づき,新しいCenterNet-3D検出ヘッドは3D空間におけるキーポイント検出として3D検出を定式化する。
我々は、粗度ボキセル化や、新しい局所PCA-SDF形状表現を含む、効率的な粗度から細度の再構成モジュールを考案する。
論文 参考訳（メタデータ） (2021-11-04T18:30:37Z) - 3D-to-2D Distillation for Indoor Scene Parsing [78.36781565047656]
大規模3次元データリポジトリから抽出した3次元特徴を有効活用し,RGB画像から抽出した2次元特徴を向上する手法を提案する。
まず,事前学習した3Dネットワークから3D知識を抽出して2Dネットワークを監督し,トレーニング中の2D特徴からシミュレーションされた3D特徴を学習する。
次に,2次元の正規化方式を設計し,2次元特徴と3次元特徴のキャリブレーションを行った。
第3に,非ペアの3dデータを用いたトレーニングのフレームワークを拡張するために,意味を意識した対向的トレーニングモデルを設計した。
論文 参考訳（メタデータ） (2021-04-06T02:22:24Z)
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。