論文の概要: Feature-Aligned Speech Watermarking for Robustness to Reconstruction Distortions

• arxiv url: http://arxiv.org/abs/2606.11828v1
• Date: Wed, 10 Jun 2026 09:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.375942
• Title: Feature-Aligned Speech Watermarking for Robustness to Reconstruction Distortions
• Title（参考訳）: 変形に対するロバストネスのための特徴適応型音声透かし
• Authors: Haiyun Li, Shuhai Peng, Zhisheng Zhang, Jingran Xie, Xiaofeng Xie, Hanyang Peng, Zhiyong Wu,
• Abstract要約: 本稿では,特徴量と特徴量とを一致させる特徴量整合型透かし手法を提案する。 事前学習した音声を用いて擬似音声の透かしを生成し,VAD損失と知覚的損失を導出して入力音声のスペクトルに融合する。 実験により,本手法は既存手法に匹敵する非受容性を保ちつつ,可視・可視両方の音声再構成モデルにおいて頑健性を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 12.934502081353147
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Audio watermarking aims to embed identifiable information into audio while remaining imperceptible. Existing methods adopt high-fidelity, low-energy designs to preserve perceptual quality, but the resulting watermarks lack robustness under suppression by speech reconstruction models. Improving robustness is challenging due to the inherent robustness-fidelity trade-off in existing designs, where increasing watermark energy improves robustness but reduces fidelity. To address this problem, we propose a feature-aligned watermarking method that aligns the watermark with the original speech feature distribution, allowing higher watermark energy to improve robustness while preserving imperceptibility. We use a pretrained speech codec to generate a pseudo-speech watermark and fuse it into the spectrogram of the input audio, with VAD loss and perceptual losses guiding embedding within voiced regions. Experiments show that our method maintains imperceptibility comparable to existing approaches while substantially improving robustness under both seen and unseen speech reconstruction models.
• Abstract（参考訳）: オーディオ透かしは、認識できないまま、識別可能な情報をオーディオに埋め込むことを目的としている。 既存の手法では、知覚品質を維持するために高忠実で低エネルギーな設計が採用されているが、結果として得られる透かしは、音声再構成モデルによる抑圧下では堅牢性に欠ける。 既存の設計では、透かしエネルギーの増加は堅牢性を改善するが、忠実度を低下させるという、本質的に堅牢性-忠実性のトレードオフのため、ロバスト性の改善は困難である。 この問題に対処するために,透かしを元の音声特徴分布と整合させる特徴整合型透かし手法を提案する。 我々は、事前訓練された音声コーデックを用いて、擬似音声透かしを生成し、VAD損失と知覚的損失を伴い、音声領域への埋め込みを誘導する入力音声のスペクトルに融合する。 実験により,本手法は既存手法に匹敵する非受容性を保ちつつ,可視・可視両方の音声再構成モデルにおいて頑健性を大幅に向上することが示された。

関連論文リスト

• Hidden in Plain Tokens: Simply Robust, Gradient-Free Watermark for Synthetic Audio [58.612001688217056]
  自己回帰モデルに対する推論時透かしは、離散化の不整合による連続的なモダリティには適さない。 合成音声の強力で堅牢な透かしのためのエレガントな解法を提案する。
  論文  参考訳（メタデータ） (2026-05-25T15:43:20Z)
• ShapeMark: Robust and Diversity-Preserving Watermarking for Diffusion Models [1.531886051127726]
  ノイズ・アズ・ウォーターマーク(NaW)アプローチは、透かしを直接拡散過程に統合する。 ノイズ要素の位置を値を変更することなく補充する専用ランダム化設計を導入する。 本手法は,多種多様な損失シナリオにまたがる高次品質を維持しつつ,最先端のロバスト性を実現する。
  論文  参考訳（メタデータ） (2026-03-10T10:10:47Z)
• Latent-Mark: An Audio Watermark Robust to Neural Resynthesis [62.09761127079914]
  Latent-Markはセマンティック圧縮に耐えられるように設計された最初のゼロビットオーディオ透かしフレームワークである。 私たちの重要な洞察は、エンコード-デコードプロセスに対する堅牢性は、不変の潜在空間に透かしを埋め込む必要があるということです。 我々の研究は、ますます複雑で多様な生成歪みをまたいで整合性を維持することができる普遍的な透かしフレームワークに、将来の研究をインスピレーションを与えます。
  論文  参考訳（メタデータ） (2026-03-05T15:51:09Z)
• More Haste, Less Speed: Weaker Single-Layer Watermark Improves Distortion-Free Watermark Ensembles [58.941305935872265]
  強い透かしがトークン分布のエントロピーを著しく減少させることを示す。 本稿では,より弱い単一層透かしを用いて,効率的なマルチ層アンサンブルに必要なエントロピーを保存するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T10:18:16Z)
• Self Voice Conversion as an Attack against Neural Audio Watermarking [34.948149764638806]
  音声透かしシステムに対するユニバーサル・コンテンツ保存攻撃としての自己音声変換について検討する。 この攻撃は最先端の透かし手法の信頼性を著しく低下させることを示した。
  論文  参考訳（メタデータ） (2026-01-28T09:41:18Z)
• ComMark: Covert and Robust Black-Box Model Watermarking with Compressed Samples [14.929889375744368]
  ComMarkは、新しいブラックボックスモデルウォーターマーキングフレームワークである。 我々はComMarkが隠蔽性とロバスト性の両方において最先端のパフォーマンスを達成することを示す。 画像認識を超えて、音声認識、感情分析、画像生成、画像キャプション、ビデオ認識などのタスクにも適用可能である。
  論文  参考訳（メタデータ） (2025-12-16T05:10:32Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• TriniMark: A Robust Generative Speech Watermarking Method for Trinity-Level Attribution [3.1682080884953736]
  本稿では,生成したコンテンツを認証するための生成的textbfspeech wattextbfermarking法(TriniMark)を提案する。 まず、音声の時間領域特徴に透かしを埋め込む構造軽量透かしエンコーダを設計する。 ビットワイドウォーターマーク回復のためのウォーターマーク復号器において、時間対応ゲート畳み込みネットワークを巧みに設計する。
  論文  参考訳（メタデータ） (2025-04-29T08:23:28Z)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)

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。