論文の概要: FlowMark: Mask-Guided Video Watermarking
- arxiv url: http://arxiv.org/abs/2607.05261v1
- Date: Mon, 06 Jul 2026 16:08:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.234294
- Title: FlowMark: Mask-Guided Video Watermarking
- Title（参考訳）: FlowMark: マスクでガイドされたビデオ透かし
- Abstract要約: FlowMarkは、自動予測オブジェクトマスクによってガイドされるビデオ透かしフレームワークである。
FlowMarkは、専用のMask Predictorネットワークを通じて、透かしを埋め込むための最適なリージョンを特定することを学ぶ。
エンドツーエンドのトレーニング可能なアーキテクチャは、領域認識エンコーディングとノイズ強化トレーニングを組み合わせることで、圧縮、幾何学的変換、コンテンツ変動に対する堅牢性を保証する。
- 参考スコア（独自算出の注目度）: 9.295612507821957
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present FlowMark, a video watermarking framework guided by automatically predicted object masks. In contrast to prior region-based approaches that require user-supplied mask guidance, FlowMark learns to identify optimal regions for watermark embedding through a dedicated Mask Predictor network. Our end-to-end trainable architecture combines region-aware encoding with noise-augmented training to ensure robustness against compression, geometric transformations, and content variation, while preserving high perceptual quality. Our content-adaptive masking keeps watermark signals coherent with natural video dynamics, effectively eliminating perceptual flicker. Beyond compression robustness, FlowMark maintains reliable watermark recovery under video-native temporal edits (e.g., frame swap, insertion, deletion, resampling, and interpolation) and real-world social media distribution pipelines (e.g., YouTube and Facebook re-encoding). Experimental results on both image and video datasets show that FlowMark reliably embeds $128$-bit messages with up to $50.08$ dB PSNR, offering strong performance for content provenance, temporal authenticity verification, and video integrity protection.
- Abstract（参考訳）: 本稿では,自動予測オブジェクトマスクによって案内されるビデオ透かしフレームワークであるFlowMarkを紹介する。
ユーザによるマスクガイダンスを必要とする従来のリージョンベースのアプローチとは対照的に、FlowMarkでは、専用のマスク予測ネットワークを通じて、透かしを埋め込むための最適なリージョンを特定することを学ぶ。
エンドツーエンドのトレーニング可能なアーキテクチャは、領域認識エンコーディングとノイズ強化トレーニングを組み合わせることで、高い知覚品質を維持しながら、圧縮、幾何学的変換、コンテンツ変化に対する堅牢性を確保する。
我々のコンテンツ適応型マスキングは、透かし信号を自然なビデオ力学と一致させ、知覚的なフリックを効果的に排除する。
圧縮の堅牢性以外にも、FlowMarkはビデオネイティブな時間的編集(フレームスワップ、挿入、削除、再サンプリング、補間など)と実世界のソーシャルメディア配信パイプライン(YouTubeやFacebookの再エンコーディングなど)の下で、信頼できる透かしの回復を維持している。
画像とビデオの両方のデータセットの実験結果から、FlowMarkは最大50.08ドルdBのPSNRで128ドルのメッセージを確実に埋め込み、コンテンツの証明、時間的信頼性検証、ビデオの完全性保護の強力なパフォーマンスを提供する。
関連論文リスト
- SPDMark: Selective Parameter Displacement for Robust Video Watermarking [30.398519705830264]
本研究ではSPDMarkと呼ばれる次世代ビデオ透かしの新しいフレームワークを紹介する。
ウォーターマークは生成モデル内のパラメータのサブセットを変更することで生成されたビデオに埋め込まれる。
テキスト・ツー・ビデオ生成モデルと画像・ビデオ生成モデルの評価は、SPDMarkが認識不能な透かしを生成する能力を示している。
論文 参考訳（メタデータ） (2025-12-12T23:35:13Z) - DINVMark: A Deep Invertible Network for Video Watermarking [17.63051709541545]
本稿では,Deep Invertible Network for Video Watermarking (DINVMark)を紹介し,HEVC圧縮をシミュレートするノイズ層を設計する。
その結果,提案手法は透かしの堅牢性を著しく向上し,映像品質を保ち,透かしの埋め込み能力を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2025-09-22T07:08:20Z) - OptMark: Robust Multi-bit Diffusion Watermarking via Inference Time Optimization [66.69924980864053]
拡散復調過程の中間潜水器に頑健なマルチビット透かしを埋め込む最適化手法である OptMark を提案する。
OptMarkは、生成攻撃に対して早期に構造的な透かしを挿入し、画像変換に耐えるために遅れて詳細な透かしを挿入する。
実験結果から,OptMarkは有意変換,幾何変換,編集,再生攻撃に対する堅牢なレジリエンスを確保しつつ,目に見えないマルチビット透かしを実現することが示された。
論文 参考訳（メタデータ） (2025-08-29T15:50:59Z) - IConMark: Robust Interpretable Concept-Based Watermark For AI Images [50.045011844765185]
我々は,新しい世代のロバストなセマンティックな透かし法であるIConMarkを提案する。
IConMarkは、解釈可能な概念をAI生成イメージに組み込み、敵の操作に耐性を持たせる。
我々は、検出精度と画質の維持の観点から、その優位性を実証する。
論文 参考訳（メタデータ） (2025-07-17T05:38:30Z) - DiffMark: Diffusion-based Robust Watermark Against Deepfakes [49.05095089309156]
ディープフェイクは、悪意のある顔操作を通じて、重大なセキュリティとプライバシーの脅威を引き起こす。
既存の透かし法はディープフェイク操作に対して十分な堅牢性を欠いていることが多い。
本稿では拡散モデルに基づく新しいロバストな透かしフレームワークDiffMarkを提案する。
論文 参考訳（メタデータ） (2025-07-02T07:29:33Z) - 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) - Video Signature: In-generation Watermarking for Latent Video Diffusion Models [42.064769031646904]
ビデオシグナチャ (VID SIG) は、遅延ビデオ拡散モデルのための次世代透かし方式である。
我々は、潜伏型デコーダを部分的に微調整し、PAS(Perturbation-Aware Suppression)が事前に識別し、知覚に敏感な層を凍結する。
実験結果から, VID SIGは透かし抽出, 視覚的品質, 生成効率において, 最高の総合的な性能を発揮することがわかった。
論文 参考訳（メタデータ） (2025-05-31T17:43:54Z) - Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking [88.89887962002207]
目に見えない生成的な透かしは ビデオ生成において ほとんど未発見のままです
ビデオ生成プロセスに直接グラフィカルな透かしを埋め込む最初のフレームワークであるSafe-Soraを提案する。
Safe-Soraは,映像品質,透かしの忠実度,ロバスト性の観点から,最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2025-05-19T03:31:31Z) - VideoMark: A Distortion-Free Robust Watermarking Framework for Video Diffusion Models [18.427936201177122]
VideoMarkは、ビデオ拡散モデルのための歪みのない堅牢な透かしフレームワークである。
固定された透かしシーケンスを用いて擬似乱数誤り訂正(PRC)符号を用いたフレームワイド透かし方式を用いる。
透かし抽出のために,編集距離を利用して復号されたメッセージと元の透かしシーケンスを整列する時間マッチングモジュール(TMM)を提案する。
論文 参考訳（メタデータ） (2025-04-23T02:21:12Z) - Mask Image Watermarking [29.870793253580207]
MaskWMは画像透かしのためのシンプルで効率的で柔軟なフレームワークである。
MaskWM-DとMaskWM-EDの2種類がある。
MaskWMは、グローバルおよびローカルな透かし抽出、透かし局所化、マルチ透かし埋め込みにおいて最先端の性能を達成する。
論文 参考訳（メタデータ） (2025-04-17T08:29:00Z) - Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal [57.84348166457113]
本稿では,事前学習した画像の塗装モデルの表現能力を活用する新しい特徴適応フレームワークを提案する。
本手法は, 透かしの残像の残像を塗布バックボーンモデルに流し込むことにより, 透かしと透かし除去の知識ギャップを埋めるものである。
高品質な透かしマスクへの依存を緩和するために,粗い透かしマスクを用いて推論プロセスを導出する新たな訓練パラダイムを導入する。
論文 参考訳（メタデータ） (2025-04-07T02:37:14Z) - SuperMark: Robust and Training-free Image Watermarking via Diffusion-based Super-Resolution [27.345134138673945]
我々は、堅牢でトレーニング不要な透かしフレームワークであるSuperMarkを提案する。
SuperMarkは既存の手法を使って初期ガウスノイズに透かしを埋め込む。
次に、トレーニング済みの超解像モデルを適用して、透かしのノイズを消音し、最終的な透かしの画像を生成する。
抽出には、透かし画像がDDIM変換により初期透かしノイズに逆戻りされ、埋め込み透かしが抽出される。
実験により、SuperMarkは既存のメソッドに匹敵する忠実性を達成し、ロバスト性を大幅に改善した。
論文 参考訳（メタデータ） (2024-12-13T11:20:59Z)
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。