論文の概要: 3DEditSafe: Defending 3D Editing Pipelines from Unsafe Generation
- arxiv url: http://arxiv.org/abs/2605.15398v1
- Date: Thu, 14 May 2026 20:30:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.093594
- Title: 3DEditSafe: Defending 3D Editing Pipelines from Unsafe Generation
- Title（参考訳）: 3DEditSafe:安全でないジェネレーションから3D編集パイプラインを守る
- Authors: Nicole Meng, Zheyuan Liu, Meng Jiang, Yingjie Lao,
- Abstract要約: 我々は,3次元編集パイプラインにおける安全でない生成について検討し,このような動作が一貫性のある,望ましくないNot-Safe-For-Work(NSFW)コンテンツにつながることを示す。
本稿では,安全性に配慮した3D編集フレームワークである3DEditSafeを提案する。
- 参考スコア（独自算出の注目度）: 31.759964788913038
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in 3D generative editing, particularly pipelines based on 3D Gaussian Splatting (3DGS), have achieved high-fidelity, multi-view-consistent scene manipulation from text prompts. However, we find that these pipelines also introduce new safety risks when unsafe prompts produce edits that are propagated and optimized across views. In this work, we study unsafe generation in 3D editing pipelines and show that such behavior can lead to coherent, undesirable Not-Safe-For-Work (NSFW) content in the final 3D representation. To address this, we propose 3DEditSafe, a safety-regularized 3D editing framework that constrains unsafe semantic propagation during optimization. 3DEditSafe combines generation-stage safety guidance with rendered-view 3D safety regularization, safe semantic projection, residue suppression, and mask-aware preservation to steer optimization away from unsafe editing directions. We evaluate our approach on EditSplat scenes using an object-compatible unsafe prompt benchmark and show that 2D safety guidance alone is not consistently sufficient to prevent unsafe 3D edits. 3DEditSafe reduces unsafe semantic alignment and view-level attack success rates, while revealing a safety-quality tradeoff in which stronger unsafe suppression can introduce artifacts or reduce unsafe-prompt fidelity. To our knowledge, this work is the first attempt to study and defend against unsafe generation in text-driven 3D editing pipelines, highlighting the need for safety mechanisms that operate directly on optimized 3D representations.
- Abstract（参考訳）: 近年の3D生成編集の進歩、特に3Dガウススプラッティング(3DGS)に基づくパイプラインは、テキストプロンプトから高忠実で多視点のシーン操作を実現している。
しかし、これらのパイプラインは、安全でないプロンプトが、ビューにまたがって伝播し、最適化された編集を生成するときに、新たな安全リスクをもたらすことも分かっています。
本研究では,3次元編集パイプラインにおける安全でない生成について検討し,その動作が最終3次元表現におけるコヒーレントで望ましくないNot-Safe-For-Work(NSFW)コンテンツにつながることを示す。
そこで本稿では,安全性に配慮した3D編集フレームワークである3DEditSafeを提案する。
3DEditSafeは、世代レベルの安全ガイダンスとレンダリングされた3D安全性の規則化、安全なセマンティックプロジェクション、残留抑制、マスク認識の保存を組み合わせることで、安全でない編集方向から最適化を回避している。
我々は、オブジェクト互換の安全でないプロンプトベンチマークを用いてEditSplatのシーンに対するアプローチを評価し、2Dの安全性ガイダンスだけでは安全でない3D編集を防ぐには不十分であることを示す。
3DEditSafeは、安全でないセマンティックアライメントとビューレベルアタックの成功率を減らすと同時に、より強力なアンセーフな抑制がアーティファクトの導入や、安全でないプロンプトの忠実さの低減を可能にする、安全品質のトレードオフを明らかにしている。
我々の知る限り、この研究はテキスト駆動の3D編集パイプラインにおいて安全でない生成を研究・防御する最初の試みであり、最適化された3D表現を直接操作する安全メカニズムの必要性を強調している。
関連論文リスト
- VGGT-Edit: Feed-forward Native 3D Scene Editing with Residual Field Prediction [59.303842406260124]
VGGT-Editはテキスト条件のネイティブ3Dシーン編集のためのフィードフォワードフレームワークである。
本研究では,奥行き同期テキストインジェクションを導入し,意味的指導をバックボーンの空間的ポーズと整合させる。
VGGT-Editは2Dリフトベースラインを大幅に上回り、よりシャープなオブジェクトの詳細、より強力なマルチビュー一貫性、ほぼインスタントな推論速度を生み出している。
論文 参考訳（メタデータ） (2026-05-14T17:59:04Z) - GuardMarkGS: Unified Ownership Tracing and Edit Deterrence for 3D Gaussian Splatting [25.543410146906577]
オーナシップトレースと不正な編集抑止を共同で最適化する3DGSのための,最初の統一された保護フレームワークを提案する。
本フレームワークは,すべてのガウス人に対するシーンワイドな透かし目的と,デトレランスを編集するための敵対的な目的を組み合わせたものである。
Mip-NeRF 360 と Instruct-NeRF2NeRF のシーンでの実験により,提案フレームワークはビット精度,編集長,レンダリング品質のバランスが良好であることを実証した。
論文 参考訳（メタデータ） (2026-05-13T02:48:07Z) - Geometry-Guided Reinforcement Learning for Multi-view Consistent 3D Scene Editing [106.07976338405793]
3次元編集における2次元拡散モデルの先行的活用は、有望なパラダイムとして現れている。
我々は3次元基礎モデルであるVGGTから得られた新たな報酬を用いて、強化学習によって駆動されるシングルパスフレームワークであるtextbfRL3DEditを提案する。
実験により、RL3DEditは安定したマルチビューの一貫性を実現し、高い効率で品質を編集する最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2026-03-03T16:31:10Z) - AdLift: Lifting Adversarial Perturbations to Safeguard 3D Gaussian Splatting Assets Against Instruction-Driven Editing [109.07334219188222]
本稿では,任意のビューや次元にまたがる命令駆動編集を防止するAdLiftと呼ばれる3DGSの最初の編集セーフガードを提案する。
我々は勾配トランケーションとイメージ・ツー・ガウスのフィッティングを交互に行い、異なる視点で一貫した対向的保護性能を得る。
論文 参考訳（メタデータ） (2025-12-08T07:41:23Z) - SafeEditor: Unified MLLM for Efficient Post-hoc T2I Safety Editing [13.35302137193851]
モデルに依存しないプラグイン・アンド・プレイモジュールとして機能するマルチラウンド安全編集フレームワークを提案する。
我々は、安全でないコンテンツを識別・精錬する人間の認知過程を反映した、ポストホックな安全編集パラダイムを導入する。
生成した画像に対して複数ラウンドの安全編集が可能な統合MLLMであるSafeEditorを開発した。
論文 参考訳（メタデータ） (2025-10-28T15:12:15Z) - Shape it Up! Restoring LLM Safety during Finetuning [65.75757313781104]
大型言語モデル(LLM)の微調整は、ユーザ固有のカスタマイズを可能にするが、重大な安全性リスクをもたらす。
動的安全整形(DSS)は,不安全コンテンツを抑えつつ,応答の安全な部分からの学習を強化するための,きめ細かい安全信号を用いたフレームワークである。
STARスコアによって導かれるSTAR-DSSは、微調整リスクを堅牢に軽減し、多様な脅威、データセット、モデルファミリーにまたがる大幅な安全性の向上を提供する。
論文 参考訳（メタデータ） (2025-05-22T18:05:16Z) - GaussTrap: Stealthy Poisoning Attacks on 3D Gaussian Splatting for Targeted Scene Confusion [10.426604064131872]
本稿では,3DGSパイプラインにおけるバックドアの脅威に関する最初の体系的研究について述べる。
本稿では,3DGSモデルを対象とした新しい中毒攻撃手法であるGuussTrapを提案する。
合成データセットと実世界のデータセットの両方の実験により、GuussTrapは知覚できないが有害なバックドアビューを効果的に埋め込むことができることが示された。
論文 参考訳（メタデータ） (2025-04-29T14:52:14Z) - GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting [70.81218231206617]
GuardSplatは、3DGS資産をウォーターマークするための革新的で効率的なフレームワークである。
Message Embeddingモジュールは、元の3D構造を保持しながら、各3DガウスのSH機能にメッセージをシームレスに埋め込む。
反歪メッセージ抽出モジュールは、様々な歪みに対する堅牢性を改善する。
論文 参考訳（メタデータ） (2024-11-29T17:59:03Z)
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。