論文の概要: Correlation-Aware and Gaussianity-Preserving Robust Latent Angular Watermarking for Diffusion Models

• arxiv url: http://arxiv.org/abs/2607.22386v1
• Date: Fri, 24 Jul 2026 15:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.162732
• Title: Correlation-Aware and Gaussianity-Preserving Robust Latent Angular Watermarking for Diffusion Models
• Title（参考訳）: 拡散モデルにおける相関認識とガウス性保存のロバスト潜在角透かし
• Abstract要約: 拡散モデルに対する潜時領域の透かしは、潜時領域の透かしを直接潜時領域に埋め込む。 textitLatent Angular Watermarking (LAW) を提案する。 透かし付き潜水剤の自己相関構造を閉じた形で導出した相関劣化の厳密なキャラクタリゼーションについて述べる。
• 参考スコア（独自算出の注目度）: 18.39703611423148
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Latent domain watermarking for diffusion models embeds watermarks directly into the latent prior, enjoying non-intrusiveness to model parameters and seamless integration with the generation process. However, due to the violation of latent Gaussianity or sensitivity to normal and malicious perturbations during latent inversion, existing methods are prone to watermark detection or removal attacks. A further overlooked problem is the violation of the i.i.d. latent condition after watermarking, which leads to latent correlation degradation and generation fidelity loss. Although this has been externally measured by FID, the internal correlation structure has yet to be rigorously characterized. To address the above issues, and motivated by the rotation-invariant property of isotropic Gaussian, we propose \textit{Latent Angular Watermarking (LAW)}, which encodes watermark bits as antipodal angles ($\pmπ/2$ relative to a reference pair) between disjoint pairs of latent elements while preserving the Gaussianity. The antipodal ($π$-separation) encoding maximizes geometric separation between bit values, and we prove that the decoding angular-error variance is proportional to the norm of the latent pair, i.e., $\operatorname{var}(Δφ) \propto 1/ρ^2$. We further propose a magnitude-driven variant, LAW-M, which anchors watermark bits in the most geometrically stable latent dimensions, yielding additional robustness gains. Theoretically, we provide a rigorous characterization of the induced correlation degradation, deriving in closed form the autocorrelation structure of the watermarked latent and proving that correlations are confined to a sparse, structured set of off-diagonal elements with fixed $\pmπ/4$ values.
• Abstract（参考訳）: 拡散モデルに対する潜時領域の透かしは、潜時領域に直接透かしを埋め込み、モデルパラメータへの非侵襲性を享受し、生成プロセスとシームレスに統合する。 しかし、潜伏したガウシアン性や、潜伏インバージョン中に正常で悪意のある摂動に敏感なため、既存の方法では透かしの検出や除去攻撃が困難である。 さらに見落とされがちな問題は、透かし後のi.d.潜伏状態に違反し、潜伏相関劣化と生成忠実度損失を引き起こすことである。 FIDによって外部から測定されているが、内部相関構造は厳密に評価されていない。 上記の問題に対処し、等方的ガウスの回転不変性により動機づけられた上で、ガウス性を維持しながら、非随伴要素対間の反ポッド角(参照対に対して pmπ/2$)として透かしビットを符号化する \textit{Latent Angular Watermarking (LAW)} を提案する。 ビット値間の幾何学的分離を最大化する反ポッド(π$-分離)を符号化し、復号角誤差分散が潜在対のノルム、すなわち$\operatorname{var}(Δφ) \propto 1/ρ^2$に比例することを示す。 さらに、最も幾何学的に安定な潜在次元に透かしビットを固定し、さらなるロバスト性向上をもたらす等級駆動型変種LAW-Mを提案する。 理論的には、誘導相関分解の厳密な特徴として、透かし付き潜水剤の自己相関構造を閉じた形で導出し、相関が固定された$\pmπ/4$値を持つ非対角素子のスパース構造に制限されていることを証明する。

関連論文リスト

• Explaining f-Divergence-Based Regularization via Local Curvature and Sharpness-Aware Minimization [7.792020418343022]
  多様性に基づく正規化とシャープネス認識最小化(SAM)は、ディープラーニングの一般化を改善するための2つの重要なアプローチである。 この2つの手法はパラメータ空間の摂動の下で局所的に一致していることを示す。 また、分岐に基づく正規化は入力の変換によって定義されることを示す。
  論文  参考訳（メタデータ） (2026-09-08T19:01:05Z)
• FARI: Robust One-Step Inversion for Watermarking in Diffusion Models [89.29541056113442]
  インバージョンベースの透かしは拡散生成画像の認証に有望なアプローチである。 既存のアプローチは内部トランケーションエラーを過度に最適化する。 textbfFARIは、透かし抽出のためのデノイザの軽量対向LoRA微調整と組み合わせたワンステップ逆変換フレームワークである。
  論文  参考訳（メタデータ） (2026-07-29T10:13:55Z)
• A Doeblin-Anchored Contrastive Chart for Learning Markov Transition Kernels [1.2691047660244335]
  本稿では,トランジションカーネルを対照的な目的から学習するための統計的・動的座標フレームワークを提案する。 固定された相対的リスクは、固定された遷移密度を識別し、過剰なリスクを密度誤差に校正することを証明する。
  論文  参考訳（メタデータ） (2026-06-01T13:26:44Z)
• R-CoT: A Reasoning-Layer Watermark via Redundant Chain-of-Thought in Large Language Models [48.47950824122549]
  本稿では,水標を推論経路に埋め込むredundant Chain-of-Thought (R-CoT) と呼ばれる推論層フレームワークを提案する。 実験の結果,R-CoTは従来の手法と比較して高い透かし効果と強靭性が得られることがわかった。
  論文  参考訳（メタデータ） (2026-04-28T05:52:57Z)
• Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees [9.180350432640912]
  連続時間マルコフ連鎖(CTMC)の定式化によるスコアベース離散拡散モデルのサンプリング効率について検討した。 一様離散拡散に対して、$$-leapingアルゴリズムは位数$tilde O(d/varepsilon)$の複雑さを達成することを示す。 離散拡散をマスキングするために,本質的な情報理論量によって収束率を制御した$$-leapingサンプルラを導入する。
  論文  参考訳（メタデータ） (2026-02-16T18:48:17Z)
• ALIEN: Analytic Latent Watermarking for Controllable Generation [16.064060838471924]
  我々は、制御ラボランダーラインジェネラティオアンダーリン(ALIEN)のためのアンダーライン分析型透かしフレームワークを提案する。 我々は,透かし残差の拡散を誘導し,制御可能な透かし埋め込みパターンを実現するための時間依存性変調係数の最初の解析的導出を開発する。 その結果、ALIEN-Qは5つの品質指標で最先端を33.1%上回り、ALIEN-Rは14.0%の堅牢性を示した。
  論文  参考訳（メタデータ） (2026-02-05T16:04:27Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
  グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。 VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。 合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
  論文  参考訳（メタデータ） (2026-01-30T03:59:38Z)
• Latent Object Permanence: Topological Phase Transitions, Free-Energy Principles, and Renormalization Group Flows in Deep Transformer Manifolds [0.5729426778193398]
  幾何学的および統計的物理レンズを用いた深部変圧器言語モデルにおける多段階推論の出現について検討する。 我々は、フォワードパスを離散粗粒度写像として形式化し、安定な「概念盆地」の出現と、この再正規化のような力学の固定点を関連付ける。 結果として生じる低エントロピー状態は、スペクトルテール崩壊と、表現空間における過渡的で再利用可能なオブジェクトのような構造の形成によって特徴づけられる。
  論文  参考訳（メタデータ） (2026-01-16T23:11:02Z)
• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• Ensemble Kalman filter in latent space using a variational autoencoder pair [0.2383122657918106]
  可変オートエンコーダ(VAE)は機械学習(ML)技術で、任意の分布を潜在空間へ/からマッピングすることができる。 本稿では,VAEをDA手順に組み込んだ新しいハイブリッドDA-ML手法を提案する。
  論文  参考訳（メタデータ） (2025-02-18T16:11:05Z)
• Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T13:30:10Z)
• Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation [64.92152574895111]
  直交ジャコビアン正規化法(OroJaR)を提案する。 提案手法は, 絡み合った, 制御可能な画像生成に有効であり, 最先端の手法に対して好適に機能する。
  論文  参考訳（メタデータ） (2021-08-17T15:01:46Z)

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。