論文の概要: RAW: Robust Avatar Watermarking -- Benchmarking and Baseline
- arxiv url: http://arxiv.org/abs/2605.23994v1
- Date: Sun, 17 May 2026 23:01:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:17.447924
- Title: RAW: Robust Avatar Watermarking -- Benchmarking and Baseline
- Title（参考訳）: RAW:ロバストなアバター透かし -- ベンチマークとベースライン
- Authors: Jack Parry, Jack Saunders, Vinay Namboodiri,
- Abstract要約: textbfWALT (Watermarking Avatars with Learned Textures) は3次元顔再構成によって紫外線テクスチャ空間に透かしを埋め込む。
textbfWALTは、バックグラウンド削除(95.6%)の強いパフォーマンスを維持しながら、ズーム攻撃(92.4%)の最高ロバスト性を達成する
- 参考スコア（独自算出の注目度）: 1.733255162390776
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital avatar watermarking presents unique challenges: avatars are routinely post-processed with background replacement, reframing, and format conversion before deployment. We introduce \textbf{RAW} (Robust Avatar Watermarking), a benchmark comprising 50 synthetic avatar videos from 5 commercial providers and 6 attacks simulating real-world avatar workflows. Evaluating 7 existing methods reveals that avatar-specific attacks such as background removal significantly degrade watermark recovery. We propose \textbf{WALT} (Watermarking Avatars with Learned Textures), which embeds watermarks in UV texture space via 3D face reconstruction. WALT achieves the highest robustness to zoom attacks (92.4\%) while maintaining strong performance on background removal (95.6\%). We release our benchmark to facilitate research into avatar-specific watermarking.
- Abstract（参考訳）: アバターは、バックグラウンド置換、リフレーミング、配置前のフォーマット変換によって、定期的に後処理される。
我々は,5つの商用プロバイダから50の合成アバタービデオと,現実世界のアバターワークフローをシミュレートした6つの攻撃からなるベンチマークである‘textbf{RAW} (Robust Avatar Watermarking) を紹介する。
7つの既存手法を評価すると、背景除去などのアバター固有の攻撃がウォーターマーク回復を著しく低下させることが明らかとなった。
本稿では,3次元顔再構成による紫外線テクスチャ空間に透かしを埋め込んだ「textbf{WALT} (Watermarking Avatars with Learned Textures)」を提案する。
WALTは、バックグラウンド除去(95.6\%)の強い性能を維持しながら、92.4\%(92.4\%)のズーム攻撃に対して高いロバスト性を達成する。
我々は,アバター特有の透かしの研究を促進するために,我々のベンチマークをリリースする。
関連論文リスト
- NoPo-Avatar: Generalizable and Animatable Avatars from Sparse Inputs without Human Poses [94.67451270421323]
我々は,1枚または1枚のスパース画像からアニマタブルな3次元アバターを回収する作業に取り組む。
ポーズ依存再建は, ポーズ推定がノイズの多い場合, 結果を著しく劣化させることを示す。
ポーズ入力なしで画像のみからアバターを再構成するNoPo-Avatarを導入する。
論文 参考訳（メタデータ） (2025-11-20T18:59:54Z) - Transferable Black-Box One-Shot Forging of Watermarks via Image Preference Models [42.902365202924535]
広範に使用されているポストホック画像透かしの文脈における透かし鍛造について検討した。
画像がウォーターマークされているかどうかを評価するための選好モデルを導入する。
本稿では,バックプロパゲーションによる入力画像の最適化により,透かしを除去・鍛造するモデルの能力を実証する。
論文 参考訳（メタデータ） (2025-10-23T12:06:35Z) - X-Oscar: A Progressive Framework for High-quality Text-guided 3D Animatable Avatar Generation [63.74194950823133]
X-Oscarはテキストプロンプトから高品質なアニマタブルアバターを生成するためのプログレッシブフレームワークである。
過飽和に対処するために、トレーニング中にアバターを適応分布として表現する適応変分法を導入する。
Avatar-aware Score Distillation Smpling (ASDS) も提案する。
論文 参考訳（メタデータ） (2024-05-02T02:30:39Z) - WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。
我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。
我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
論文 参考訳（メタデータ） (2024-01-16T18:58:36Z) - AvatarStudio: High-fidelity and Animatable 3D Avatar Creation from Text [71.09533176800707]
アバターストゥディオ(AvatarStudio)は、アニマタブルな人間のアバターのために、明瞭なテクスチャ化された3Dメッシュを生成する粗大で微細な生成モデルである。
調音メッシュ表現とDensePose条件拡散モデルとの相乗効果を効果的に活用することにより、AvatarStudioは高品質なアバターを作成することができる。
論文 参考訳（メタデータ） (2023-11-29T18:59:32Z) - Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。
提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
論文 参考訳（メタデータ） (2023-06-02T23:29:28Z) - AgileAvatar: Stylized 3D Avatar Creation via Cascaded Domain Bridging [12.535634029277212]
高品質な3Dアバターを作成するための,新しい自己教師型学習フレームワークを提案する。
その結果,従来の作業よりもはるかに高い選好スコアが得られ,手作業による作成に近い結果が得られた。
論文 参考訳（メタデータ） (2022-11-15T00:43:45Z)
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。