論文の概要: What Breaks Local Watermarks? A Robustness Benchmark for Local Invisible Image Watermarking

• arxiv url: http://arxiv.org/abs/2609.16832v1
• Date: Tue, 15 Sep 2026 08:30:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.416043
• Title: What Breaks Local Watermarks? A Robustness Benchmark for Local Invisible Image Watermarking
• Title（参考訳）: ローカルな透かしを損なうものは何か? ローカルな可視画像透かしのためのロバストネスベンチマーク
• Abstract要約: 局所的な画像透かしは、画像全体に拡散するのではなく、選択した画像領域に見えない信号を埋め込む。 既存の研究では、画像変換によるペイロードの回収とローカライゼーションの堅牢性を評価している。 55の画像変換における局所的な透かしに対する最初の体系的頑健性ベンチマークを示す。
• 参考スコア（独自算出の注目度）: 3.71859171264774
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Local image watermarking embeds an invisible signal into selected image regions rather than spreading it across the entire image, enabling payload recovery from specific objects or regions without perceptibly altering the image. Existing studies evaluate the robustness of payload recovery and localization under image transformations, but they often focus on their own proposed method, resulting in narrow evaluations with inconsistent choices of transformations, datasets, and metrics. These inconsistencies across studies limit direct comparisons across methods and muddle the overall picture of local watermark robustness. To address this gap, we present the first systematic robustness benchmark for local watermarks across 55 image transformations, including (i) signal distortions, (ii) changes in image coordinate alignment, (iii) indirect local edits, and (iv) direct watermark edits. The benchmark evaluates MaskWM, WAM, OmniGuard, TrustMark, and PixelSeal, all methods that either provide native localization or require minimal adaptation to support it. Our results show that all evaluated methods are vulnerable to some transformation, with MaskWM standing out as offering the strongest payload recovery and localization, although it has the lowest image quality in the clean setting. Synchronization further improves MaskWM's payload recovery under several geometric transformations, albeit at an additional cost to image quality. A key finding is that local watermark robustness depends strongly on the nature of the transformation: signal distortions are often tolerated by the strongest methods, while geometric misalignment and generative local edits, such as inpainting and outpainting, can completely impair payload recovery. We observe that payload recovery and localization are related but not interchangeable, and both strongly depend on the transformation's impact on the watermark region.
• Abstract（参考訳）: 局所的な画像透かしは、画像全体に拡散するのではなく、選択された画像領域に見えない信号を埋め込む。 既存の研究では、画像変換の下でペイロードの回復とローカライゼーションの堅牢性を評価するが、彼らはしばしば独自の手法に重点を置いており、その結果、変換、データセット、メトリクスの一貫性のない選択で狭い評価が行われる。 これらの研究間の矛盾は、メソッド間の直接比較を制限し、局所的な透かしの堅牢性の全体像をぼんやりとします。 このギャップに対処するために、55の画像変換を含む局所的な透かしに対する最初の体系的堅牢性ベンチマークを示す。 (i)信号歪み (ii)画像座標の整合性の変化 三 間接的な地方編集、及び (iv)直接透かし編集。 このベンチマークはMaskWM、WAM、OmniGuard、TrustMark、PixelSealを評価している。 以上の結果から, 評価手法はすべて何らかの変換に対して脆弱であり, MaskWMが最強のペイロードリカバリとローカライゼーションを提供する一方で, クリーンな環境では画像品質が最低であることが明らかとなった。 同期により、MaskWMのペイロードの回復は幾つもの幾何学的変換の下でさらに改善されるが、画像の品質にはさらなるコストがかかる。 重要な発見は、局所的な透かしの堅牢性は変換の性質に強く依存していることである:信号の歪みは、しばしば最も強い手法によって許容されるが、幾何的なミスアライメントと生成的局所編集(例えば、塗装や塗装など)は、ペイロードの回復を完全に損なう可能性がある。 ペイロードの回収とローカライゼーションは関連性はあるものの、交換可能ではないことが観察され、どちらもウォーターマーク領域への変換の影響に強く依存する。

関連論文リスト

• CASIAL: Geometric Distortion Robust Image Watermarking [27.125516766334524]
  本稿では,画像認識型メッセージ拡散戦略を備えた幾何学的歪みローバスト透かしフレームワークであるCASIALを提案する。 その結果,CASIALは視覚的品質を保ちながら,11のベースラインよりも強い強靭性を達成できることが判明した。 また、6つの信号歪みと4つの測光変換の下での競合性能も維持する。
  論文  参考訳（メタデータ） (2026-07-29T10:16:44Z)
• High-Fidelity Face Content Recovery via Tamper-Resilient Versatile Watermarking [27.912549423920243]
  著作権保護,画素レベルの操作ローカライゼーション,高忠実度顔コンテンツリカバリを統一する多目的透かしフレームワークであるVeriFiを提案する。 画像の特徴を復号化信号に関連づけることで,局所化固有のアーティファクトを埋め込むことなく,微粒な局所化を実現し,また,遅延空間混合とシームレスなブレンディングを組み合わせたAIGCアタックシミュレータを導入し,現実的なディープフェイクパイプラインへの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2026-03-25T05:02:48Z)
• 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)
• 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)
• GenPTW: In-Generation Image Watermarking for Provenance Tracing and Tamper Localization [32.843425702098116]
  GenPTWは潜在拡散モデル(LDM)のためのインジェネレーション画像透かしフレームワークである 画像生成フェーズ中に構造化された透かし信号を埋め込んで、統一されたプロファイランストレースとタンパーローカライゼーションを可能にする。 実験により、GenPTWは画像の忠実度、透かし抽出精度、改ざん性能において既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-04-28T08:21:39Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• WMFormer++: Nested Transformer for Visible Watermark Removal via Implict Joint Learning [68.00975867932331]
  既存の透かし除去法は主にタスク固有のデコーダブランチを持つUNetに依存している。 両分野の情報を包括的に統合するために,暗黙的な共同学習パラダイムを導入する。 その結果、既存の最先端手法をはるかに上回る、我々のアプローチの顕著な優位性を示した。
  論文  参考訳（メタデータ） (2023-08-20T07:56:34Z)
• SImProv: Scalable Image Provenance Framework for Robust Content Attribution [80.25476792081403]
  我々は、クエリ画像を元の信頼できるデータベースにマッチングするフレームワークであるSImProvを提示する。 SimProvは3つのステージで構成されている。トップkの最も類似した画像を検索するためのスケーラブルな検索ステージと、候補の中からオリジナルを識別するための再ランク付けとほぼ重複した検出ステージである。 1億画像のデータセット上での効率的な検索と操作の検出を実証する。
  論文  参考訳（メタデータ） (2022-06-28T18:42:36Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)

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。