論文の概要: Delving into the Temporal Challenges of Unified Video Protection Against Image-to-Video and Fine-Tuning-based Customization

• arxiv url: http://arxiv.org/abs/2607.13336v1
• Date: Tue, 14 Jul 2026 23:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.605748
• Title: Delving into the Temporal Challenges of Unified Video Protection Against Image-to-Video and Fine-Tuning-based Customization
• Title（参考訳）: イメージ・ツー・ビデオとファインチューニングによるカスタマイズに対する統一ビデオ保護の時間的課題
• Abstract要約: 拡散に基づくビデオ生成モデルは、両方のチューニングベースのパイプラインを通じて高品質なパーソナライズされたビデオカスタマイズを可能にした。 これらの能力は、個人のプライバシー、アイデンティティーの所有、知的財産権保護に関する深刻な懸念を引き起こす。 本稿では,参照とチューニングの両方に基づくビデオのカスタマイズに対する最初の保護手法であるTC-UAPを提案する。
• 参考スコア（独自算出の注目度）: 98.80430225183858
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent diffusion-based video generation models have enabled high-quality personalized video customization through both tuning-based pipelines, which fine-tune a video diffusion model, and reference-based pipelines such as image-to-video generation. However, these capabilities raise serious concerns about personal privacy, identity ownership and intellectual property protection. Existing anti-customization works focus on protecting images, while protection for videos against both reference- and tuning-based customization remains largely underexplored. Protecting videos in this setting raises three challenges: (i) Image-level perturbations, optimized frame by frame, cannot survive temporal compression by 3D video VAE. (ii) A video-level perturbation optimized on a single video is vulnerable to temporal editing and fails to protect unseen videos. (iii) Temporally inconsistent perturbations are not robust to temporal attacks. To address these challenges, we propose Temporally Consistent Universal Adversarial Perturbations (TC-UAP), the first protection method against both reference- and tuning-based video customization. TC-UAP optimizes an identity-level multi-frame UAP over sliding windows from multiple videos, accounting for local temporal dependencies induced by temporal compression in video VAE and enabling a single perturbation to protect unseen videos of varying lengths. Moreover, we introduce intrinsic temporal modeling and an extrinsic surrogate temporal-attack loss, which make the perturbation temporally consistent and robust to unseen temporal attacks. Empirically, quantitative and qualitative results show that TC-UAP achieves the strongest identity protection compared with existing methods under both reference- and tuning-based video customization, and remains robust under multiple unseen temporal attacks.
• Abstract（参考訳）: 近年の拡散型ビデオ生成モデルは、ビデオ拡散モデルを微調整するチューニング型パイプラインと、画像対ビデオ生成のような参照型パイプラインの両方を通じて、高品質なパーソナライズされたビデオカスタマイズを可能にしている。 しかし、これらの機能は個人のプライバシー、アイデンティティーの所有、知的財産権保護に関する深刻な懸念を引き起こす。 既存のアンチ・カストミゼーションは画像の保護に重点を置いているが、参照とチューニングの両方のカスタマイズに対するビデオの保護はいまだに未調査である。 この設定でビデオを保護するには3つの課題がある。 一 フレーム単位で最適化された画像レベルの摂動は、3次元ビデオVAEによる時間圧縮に耐えられない。 (II)一つのビデオに最適化されたビデオレベルの摂動は、時間的編集に脆弱であり、目に見えないビデオの保護に失敗する。 (3)時間的不整合摂動は時間的攻撃に対して堅牢ではない。 これらの課題に対処するため、我々は、参照とチューニングに基づくビデオのカスタマイズに対する最初の保護方法であるTC-UAP(Temporally Consistent Universal Adversarial Perturbations)を提案する。 TC-UAPは、複数のビデオからのスライドウィンドウ上のアイデンティティレベルのマルチフレームUAPを最適化し、ビデオVAEにおける時間的圧縮によって引き起こされる局所的時間的依存関係を考慮し、単一の摂動で様々な長さの未確認ビデオを保護する。 さらに,本研究では,内因性時相モデルと外因性時相攻撃損失を導入し,時相攻撃に対する摂動を時間的に一貫し,頑健にする。 実証的,定量的,定性的な結果から,TC-UAPは参照型およびチューニング型ビデオのカスタマイズにおいて,既存の手法と比較して最強のアイデンティティ保護を達成し,複数の時間的攻撃の下でも堅牢であることが示された。

関連論文リスト

• ChronoLock: Protecting Videos from Unauthorized Text-to-Video Personalization [27.79968637806027]
  テキスト・ツー・ビデオ(T2V)拡散モデルにより、現実的で時間的に整合したビデオの合成がますます容易になっている。 最近のパーソナライズ技術は、いくつかの参照クリップから特定の主題、スタイル、動きパターンを模倣することができる。 オンラインで共有されたビデオは、無許可のT2V微調整のために収集および使用することができる。 既存の保護的摂動は主に画像認識やテキスト・ツー・イメージのパーソナライゼーションのために設計されており、したがって静的な外観を損なうことに重点を置いている。
  論文  参考訳（メタデータ） (2026-06-19T06:37:13Z)
• All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations [102.94052335735326]
  All-in-one画像復元は、単一のモデルを用いて、さまざまな未知の劣化からクリーンなイメージを復元することを目的としている。 既存のアプローチは主に、現実世界の劣化過程に自然に存在する時間的連続性を見越して、フレームワイドの劣化変動に焦点を当てている。 Smoothly Evolving Unknown Degradations (SEUD) のシナリオでは、アクティブな劣化セットと劣化強度の両方が時間とともに連続的に変化する。
  論文  参考訳（メタデータ） (2026-01-02T02:20:57Z)
• STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution [60.06664986365803]
  我々は,事前学習したビデオ拡散モデルに基づいて構築されたビデオ超解像フレームワークSTCDiTを提案する。 複雑なカメラの動きであっても、構造的に忠実で時間的に安定した動画を劣化した入力から復元することを目的としている。
  論文  参考訳（メタデータ） (2025-11-24T05:37:23Z)
• Video Consistency Distance: Enhancing Temporal Consistency for Image-to-Video Generation via Reward-Based Fine-Tuning [5.847416016271551]
  ビデオ拡散モデルの逆ベース微調整は、生成ビデオの品質向上に有効な手法である。 本稿では,時間的一貫性を高めるために,ビデオ一貫性距離(VCD, Video Consistency Distance)を提案する。
  論文  参考訳（メタデータ） (2025-10-22T02:59:45Z)
• UVCG: Leveraging Temporal Consistency for Universal Video Protection [27.03089083282734]
  悪意ある編集から映像コンテンツを保護するためにユニバーサルビデオ一貫性ガード(UVCG)を提案する。 UVCGは、連続的かつ知覚不能な摂動を導入することで、他のビデオのコンテンツを保護ビデオに埋め込む。 UVCGをLDM(Latent Diffusion Models)の様々なバージョンに適用し、その有効性と複数の編集パイプラインにおける一般化性を評価する。
  論文  参考訳（メタデータ） (2024-11-25T08:48:54Z)
• Blurry Video Compression: A Trade-off between Visual Enhancement and Data Compression [65.8148169700705]
  既存のビデオ圧縮(VC)手法は主に、ビデオ内の連続フレーム間の空間的および時間的冗長性を減らすことを目的としている。 これまでの研究は、インスタント(既知の)露光時間やシャッタースピードなどの特定の設定で取得されたビデオに対して、顕著な成果を上げてきた。 本研究では,シーン内のカメラ設定やダイナミックスによって,所定の映像がぼやけてしまうという一般的なシナリオにおいて,VCの問題に取り組む。
  論文  参考訳（メタデータ） (2023-11-08T02:17:54Z)
• Edit Temporal-Consistent Videos with Image Diffusion Model [49.88186997567138]
  大規模テキスト・ツー・イメージ(T2I)拡散モデルがテキスト誘導ビデオ編集のために拡張されている。 Tは、ビデオ時間的一貫性とビデオ編集機能の両方において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-08-17T16:40:55Z)
• Task Agnostic Restoration of Natural Video Dynamics [10.078712109708592]
  多くのビデオ復元・翻訳タスクでは、各フレームを独立して処理することにより、画像処理操作を映像領域に「ナビ」拡張する。 本稿では,不整合ビデオから一貫した動きのダイナミクスを推論し,活用して時間的フリックを緩和する,このタスクのための一般的なフレームワークを提案する。 提案フレームワークは、多数の画像処理アプリケーションによって処理される2つのベンチマークデータセット、DAVISとvidevo.net上でSOTA結果を生成する。
  論文  参考訳（メタデータ） (2022-06-08T09:00:31Z)
• Intrinsic Temporal Regularization for High-resolution Human Video Synthesis [59.54483950973432]
  時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。 フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。 我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
  論文  参考訳（メタデータ） (2020-12-11T05:29:45Z)

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。