論文の概要: IRIS: Visual-Semantic Binding for Forgery-Resistant Watermarking of Diffusion Images

• arxiv url: http://arxiv.org/abs/2608.03539v1
• Date: Tue, 04 Aug 2026 12:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.181112
• Title: IRIS: Visual-Semantic Binding for Forgery-Resistant Watermarking of Diffusion Images
• Title（参考訳）: IRIS:拡散画像の偽り耐性透かしのための視覚的セマンティックバインディング
• Abstract要約: ほとんどの次世代拡散透かしは、それらを運ぶ画像とは独立してパターンを埋め込んでおり、攻撃者は生成元が生成しなかった画像にマークを移植する。 Intrinsic Ring Identifier from Semantics を組み込んだトレーニングフリーな透かし方式 IRIS を提案する。
• 参考スコア（独自算出の注目度）: 5.8272908076992715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most in-generation diffusion watermarks embed patterns independent of the image that carries them, and attackers transplant the marks onto images the generator did not produce, resulting in forgery. Binding the mark to visual semantics prevents such transplantation, yet existing bindings anchor to a proxy image rather than the image they mark. Realizing visual-semantic binding inside generation faces two challenges. The mark derives from the image itself yet enters the sampling trajectory before that image exists, and may itself shift the semantics it binds. The binding also meets opposite sensitivity demands, breaking under semantic change while holding through common processing. We present IRIS, a training-free watermarking scheme that embeds an Intrinsic Ring Identifier from Semantics. IRIS reads a content code from the non-watermarked generated image, derives a one-time ring from the code and a secret key, returns to the final low-noise steps of the same trajectory and blends the ring in, after the semantics it binds are settled. To meet the opposite sensitivity demands, the code is read through a canonicalization shared between embedding and detection, holding through common distortions and mild regeneration while flipping under semantic change. Detection recomputes the ring from the query image and the key alone, and the mark therefore fails on a foreign or spliced image, with acceptance tracking semantic displacement. On three prompt datasets IRIS detects reliably and stays close to its same-seed non-watermarked counterpart, a fidelity prior in-generation marks do not reach. While forgeries transfer fixed-pattern marks and regeneration strips post-hoc marks, IRIS alone among the compared marks withstands both.
• Abstract（参考訳）: ほとんどの次世代拡散透かしは、それらを運ぶ画像とは独立してパターンを埋め込んでおり、攻撃者は生成元が生成しなかった画像にマークを移植し、偽造に繋がった。 マークを視覚的セマンティクスにバインドすることはそのような移植を防ぐが、既存のバインディングはマークするイメージではなくプロキシイメージに固定する。 世代内の視覚的セマンティックバインディングの実現には2つの課題がある。 マークはイメージ自体から派生したものだが、イメージが存在する前にサンプリング軌跡を入力し、それらが結合するセマンティクスをシフトする可能性がある。 バインディングはまた、共通処理を保ちながらセマンティックな変化を破りながら、反対の感度要求を満たす。 Intrinsic Ring Identifier from Semantics を組み込んだトレーニングフリーな透かし方式 IRIS を提案する。 IRISは、非透かし生成された画像からコンテンツコードを読み出し、コードとシークレットキーからワンタイムリングを導き、同じ軌跡の最後の低ノイズステップに戻り、結合したセマンティクスの後にリングをブレンドする。 反対の感度要求を満たすために、コードは埋め込みと検出の間で共有される標準化を通じて読み出され、セマンティックな変化の下で反転しながら、共通の歪みと穏やかな再生を保ちます。 検出は、クエリ画像とキーのみからリングを再計算するので、マークは外部またはスプリケートされたイメージで失敗する。 IRISは3つのプロンプトデータセットを確実に検出し、同じシードの非ウォーターマークのデータセットに近づき続ける。 偽造は固定パターンのマークと再生のストリップをポストホックのマークに転送するが、比較したマークのうちIRIS単独はどちらも耐え難い。

関連論文リスト

• DenMark: Robust Semantic Watermarking for Diffusion Language Models [56.836684262732994]
  DenMarkは拡散言語モデル(DLM)のセマンティックな透かしフレームワークである 鍵依存的な信号をDLM復調プロセスに直接注入する。 出力を固定トークン領域に分割し、一時ロールアウトをセマンティックルックヘッドとして使用する。 検出のために、DenMarkは、セマンティックアタックによって導入されたバウンダリシフトに対する堅牢性を維持するために、候補ユニットサイズをキャリブレーションしたスキャンを使用する。
  論文  参考訳（メタデータ） (2026-09-13T03:37:48Z)
• SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
  可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。 既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。 SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-08-09T07:57:40Z)
• SpreadMark: Robust Image Watermarking via Spread-Spectrum Embedding [35.24760637584417]
  古典的な透かし原理である拡散スペクトル埋め込みを、現代のニューラルなポストホット透かしアーキテクチャの中で再検討する。 既存のエンコーダデコーダでは、各メッセージビットが画像のごく一部を占める。 SpreadMarkは、各ビットを画像全体に密度の高い擬似ランダムコードワードとして展開し、学習した隠蔽チップ表現にマッチしたフィルタリングによってそれを復元する。
  論文  参考訳（メタデータ） (2026-08-04T05:52:17Z)
• AnchorMark: Robust Diffusion Watermarking via Latent-Space Rotation Synchrony [4.208755585274347]
  インバージョンベースの透かしは、ペイロードを直接生成プロセスに埋め込む。 トレーニングフリーで堅牢なインバージョンベースの透かしであるAnchorMarkを紹介します。
  論文  参考訳（メタデータ） (2026-07-30T00:52:48Z)
• Mitigating Memorization in Text-to-Image Diffusion via Region-Aware Prompt Augmentation and Multimodal Copy Detection [53.789057575175065]
  領域認識型prompt Augmentation(RAPTA)とAttention-Driven Multimodal Copy Detection(ADMCD)を示す。 RAPTAはオブジェクト検出器を使用して、正常な領域を見つけ、それらを意味論的に接地したプロンプトの変種に変換する。 ADMCDは、ローカルパッチ、グローバルセマンティック、テクスチャキューを軽量トランスフォーマーで集約し、融合表現を生成する。 実験により、RAPTAは高い合成品質を維持しながら過度な適合を減少させ、ADMCDはコピーを確実に検出し、単一モードの指標より優れることが示された。
  論文  参考訳（メタデータ） (2026-03-13T15:16:27Z)
• SemBind: Binding Diffusion Watermarks to Semantics Against Black-Box Forgery Attacks [74.76909939060833]
  ブラックボックスの偽造攻撃は、証明と信頼に非常に大きなリスクをもたらす。 ブラックボックス偽造に抵抗する潜伏型透かしのフレームワークであるSemBindを提案する。 我々は,SemBindが有効である抗偽造の変異が,ブラックボックス偽造の誤認を著しく減少させることを示した。
  論文  参考訳（メタデータ） (2026-01-28T07:02:40Z)
• SEAL: Semantic Aware Image Watermarking [26.606008778795193]
  本稿では,生成した画像のセマンティック情報を透かしに直接埋め込む新しい透かし手法を提案する。 キーパターンは、局所性に敏感なハッシュを用いて画像のセマンティック埋め込みから推測することができる。 以上の結果から,画像生成モデルによるリスクを軽減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-03-15T15:29:05Z)
• RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
  本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。 我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。 このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
  論文  参考訳（メタデータ） (2024-01-23T22:00:49Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)
• UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision Transformer for Face Forgery Detection [52.91782218300844]
  そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。 自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
  論文  参考訳（メタデータ） (2022-10-23T15:24:47Z)

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。