論文の概要: COVER: Codec-Robust Video Watermarking with Generative Video Priors

• arxiv url: http://arxiv.org/abs/2609.26236v1
• Date: Thu, 17 Sep 2026 02:03:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.350359
• Title: COVER: Codec-Robust Video Watermarking with Generative Video Priors
• Title（参考訳）: コーバー:コーデック・ロバスト・ビデオ・ウォーターマーキングとジェネレーション・ビデオ・プライオリティ
• Abstract要約: COVERは、圧縮をターゲットとした最初の学習ビデオ透かしだ。 この圧縮は、凍結した生成ビデオオートエンコーダの潜在空間にペイロードを埋め込むことによって生き残る。 平均ビット精度は93.72%に達し、12の11位にランクインし、最強の先行手法を2.68ポイント改善し、最悪の動作点を68.90%から73.72%に引き上げる。
• 参考スコア（独自算出の注目度）: 13.697555537916047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video watermarking underpins copyright protection and provenance for generated media, yet almost every video is compressed by a codec before it is stored or shared. A codec discards precisely the perceptually redundant components that most watermarks rely on, so the payload is often lost even when the marked video looked flawless beforehand. Existing methods leave this path open, since they treat compression as one entry in a generic list of distortions, while a real codec is not differentiable and cannot enter gradient-based training. We present COVER, the first learned video watermark built around codec compression as its design target, which survives that compression by embedding the payload in the latent space of a frozen generative video autoencoder and recovering it by re-encoding the received video into that same latent space. To make codec robustness trainable, we build a differentiable codec surrogate bank that simulates the dominant degradation modes of practical compression, and we train the embedder and the latent decoder through three shared recovery paths under a fidelity objective that constrains the residual in the pixel and frequency domains. Across four codecs at 12 settings, COVER attains 93.72% average bit accuracy, ranks first on 11 of the 12, improves the strongest prior method by 2.68 points, and lifts the worst operating point from 68.90% to 73.72% while each marked video stays visually close to the source clip that produced it.
• Abstract（参考訳）: ビデオ透かしは、生成されたメディアに対する著作権保護と証明の基盤となるが、ほとんどのビデオはコーデックによって圧縮され、保存または共有される。 コーデックは、ほとんどの透かしが依存している知覚的に冗長なコンポーネントを正確に破棄するので、事前にマークされたビデオが完璧に見えてもペイロードは失われることが多い。 既存の方法は、圧縮を一般的な歪みリストの1つのエントリとして扱うが、実際のコーデックは微分可能ではなく、勾配ベースのトレーニングに入ることができないため、このパスをオープンにしておく。 我々は,コーデック圧縮を中心に構築された最初の学習ビデオ透かしであるCOVERを,冷凍再生ビデオオートエンコーダの潜時空間に積載し,受信した映像を同じ潜時空間に再エンコードすることで,その圧縮を継続する。 コーデックのロバスト性を訓練するために,実用圧縮の圧倒的な劣化モードをシミュレートする識別可能なコーデック・サロゲートバンクを構築し,画素と周波数領域の残差を制約する忠実度目標の下で3つの共有回復経路を介して埋め込み器と潜時復号器を訓練する。 12設定の4つのコーデックの中で、COVERは平均ビット精度93.72%に達し、12の11位にランクインし、最強の先行メソッドを2.68ポイント改善し、最悪の操作ポイントを68.90%から73.72%に引き上げた。

関連論文リスト

• Codec-Robust Attacks on Audio LLMs [18.55189632292067]
  オーディオ大言語モデル(Audio LLMs)に対する以前の攻撃は、慎重に構築された波形の摂動が敵の出力を強制することを示した。 我々は、音声波形を直接摂動するのではなく、ニューラルオーディオの連続潜時空間における摂動を最適化するCodecAttackを紹介した。 本稿では,波形の摂動を排除した圧縮チャネルが,その潜在空間で発生する摂動を伝送することを示す。
  論文  参考訳（メタデータ） (2026-05-19T21:39:52Z)
• Low-Bitrate Video Compression through Semantic-Conditioned Diffusion [19.21409064179896]
  本報告では, 先行前の生成の詳細を頼りながら, 最も意味のある情報のみを伝達する重大障害を提案する。 条件付きビデオは、セマンティック、外観、モーションキューから高品質で時間的に整合したビデオを再構成する。
  論文  参考訳（メタデータ） (2025-11-29T09:38:16Z)
• Large Motion Video Autoencoding with Cross-modal Video VAE [52.13379965800485]
  ビデオ可変オートエンコーダ(VAE)は、ビデオ冗長性を低減し、効率的なビデオ生成を容易にするために不可欠である。 既存のビデオVAEは時間圧縮に対処し始めているが、しばしば再建性能が不十分である。 本稿では,高忠実度ビデオエンコーディングが可能な,新規で強力なビデオオートエンコーダを提案する。
  論文  参考訳（メタデータ） (2024-12-23T18:58:24Z)
• Lightweight Hybrid Video Compression Framework Using Reference-Guided Restoration Network [12.033330902093152]
  本稿では、従来のビデオ(HEVC/VVC)、ロスレス画像、新しい修復ネットワークからなる軽量ハイブリッドビデオを提案する。 本手法はHEVCに適用しても,最上位の手法に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2023-03-21T04:42:44Z)
• A Coding Framework and Benchmark towards Low-Bitrate Video Understanding [63.05385140193666]
  我々は,従来のコーデックとニューラルネットワーク(NN)の両方を活用する,従来型ニューラル混合符号化フレームワークを提案する。 このフレームワークは、動画の移動効率の良いセマンティック表現を確実に保持することで最適化される。 8つのデータセットに3つのダウンストリームタスクを備えた低ビットレートビデオ理解ベンチマークを構築し、このアプローチの顕著な優位性を実証した。
  論文  参考訳（メタデータ） (2022-02-06T16:29:15Z)
• Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
  圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。 これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。 我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
  論文  参考訳（メタデータ） (2022-01-31T18:56:04Z)
• Transcoded Video Restoration by Temporal Spatial Auxiliary Network [64.63157339057912]
  本稿では,映像復元のための時間空間補助ネットワーク(TSAN)を提案する。 実験の結果,提案手法の性能は従来の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-15T08:10:23Z)
• Deep Contextual Video Compression [20.301569390401102]
  本稿では,予測符号化から条件付き符号化へのパラダイムシフトを実現するための,深い文脈ビデオ圧縮フレームワークを提案する。 提案手法は従来のSOTA(State-of-theart)ディープビデオ圧縮法よりも大幅に優れる。
  論文  参考訳（メタデータ） (2021-09-30T12:14:24Z)
• Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
  本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。 本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。 従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
  論文  参考訳（メタデータ） (2020-03-25T09:04:24Z)

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。