論文の概要: Geometry-Preserving Blind Watermarking for Raw 3D Point Clouds

• arxiv url: http://arxiv.org/abs/2609.32222v1
• Date: Sat, 26 Sep 2026 04:32:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:47:45.2913
• Title: Geometry-Preserving Blind Watermarking for Raw 3D Point Clouds
• Title（参考訳）: 原生3次元点雲の幾何保存ブラインド透かし
• Abstract要約: ブラインド透かしフレームワークはxyz座標で動作し、オブジェクトレベルの形状とシーンスケールスキャンの両方をサポートする。 フィードフォワードオクツリーアーキテクチャを用いてウォーターマークの埋め込みと抽出を共同で学習する。 オブジェクトレベルおよびシーンレベルのベンチマーク実験は、一般的な幾何学的処理下での信頼性の高いメッセージ回復を示す。
• 参考スコア（独自算出の注目度）: 7.765990189057376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Raw 3D point clouds are a core geometric representation. Establishing their ownership is challenging because point sets are irregular, unstructured, and frequently altered by resampling and geometric preprocessing. We present a blind watermarking framework that operates directly on xyz coordinates and supports both object-level shapes and scene-scale scans. At verification time, the embedded message is recovered from the observed point cloud alone, without access to the original point cloud, color, normals, or mesh connectivity. The method jointly learns watermark embedding and extraction through a feed-forward octree-based architecture, enabling efficient multi-scale geometric reasoning on large point sets. During training, a stochastic transformation layer exposes the decoder to common geometric perturbations, while progressive pose alignment improves robustness to pose changes. Experiments on object-level and scene-level benchmarks demonstrate reliable message recovery under common geometric processing while maintaining low geometric distortion. Qualitative comparisons further show that the learned perturbations are less visually conspicuous and less spatially structured than those of handcrafted alternatives.
• Abstract（参考訳）: 生3次元点雲は中核的な幾何学的表現である。 点集合は不規則で非構造的であり、再サンプリングや幾何学的前処理によって頻繁に変更されるため、それらの所有権を確立することは困難である。 我々は,xyz座標を直接操作し,オブジェクトレベルの形状とシーンスケールスキャンの両方をサポートするブラインド透かしフレームワークを提案する。 検証時に、組み込みメッセージは、元のポイントクラウド、色、正常、メッシュ接続にアクセスせずに、観察されたポイントクラウドからのみ回収される。 本手法は,フィードフォワードオクツリーに基づくアーキテクチャを用いて透かしの埋め込みと抽出を共同で学習し,大規模集合上での効率的な多スケール幾何学的推論を実現する。 トレーニング中、確率変換層はデコーダを一般的な幾何学的摂動に露出し、プログレッシブポーズアライメントは変化を起こすためにロバスト性を改善する。 オブジェクトレベルおよびシーンレベルのベンチマーク実験は、低い幾何歪みを維持しながら、一般的な幾何学的処理の下で信頼性の高いメッセージ回復を示す。 質的な比較により、学習された摂動は手作りの代替品よりも視覚的に目立たず、空間的にも構造化されていないことが示される。

関連論文リスト

• P-CORE: Self-Supervised Surface Consistency for Point-Based Neural Editing [12.271046183175185]
  本稿では,大規模変形に適応する点ベース表現を実現するための自己教師型手法を提案する。 我々のフレームワークは大きな変形に対するロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2026-09-03T04:12:39Z)
• PQDT: Pseudo-Query Dual Transformer for Robust Point Cloud Restoration [2.6189995284654737]
  実世界の点雲は、不完全性、ノイズ、外れ値、不規則密度などの劣化に悩まされることが多い。 本稿では, 点雲を直接入力とし, 多様な劣化シナリオ下で高品質な幾何を適応的に再構成する3次元復元ネットワークを提案する。
  論文  参考訳（メタデータ） (2026-05-24T15:15:13Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
  本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。 本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
  論文  参考訳（メタデータ） (2025-09-18T13:45:08Z)
• Perspective from a Higher Dimension: Can 3D Geometric Priors Help Visual Floorplan Localization? [8.82283453148819]
  建物のフロアプランの自己ローカライズは研究者の興味を引き付けている。 フロアプランは建物の構造を最小限に表現するので、視覚的知覚とフロアプランの様相や幾何学的差異がこの課題に挑戦する。 既存の手法では、2次元幾何学的特徴とポーズフィルタを巧みに利用して有望な性能を実現する。 本稿では,2次元フロアプランの局所化問題を視覚的FLOCアルゴリズムに3次元幾何学的先行点を注入することにより高次元から考察する。
  論文  参考訳（メタデータ） (2025-07-25T01:34:26Z)
• Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
  Dens3Rは幾何学的密度予測のための3次元基礎モデルである。 画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
  論文  参考訳（メタデータ） (2025-07-22T07:22:30Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• Rendering-Oriented 3D Point Cloud Attribute Compression using Sparse Tensor-based Transformer [52.40992954884257]
  3D視覚化技術は、私たちがデジタルコンテンツと対話する方法を根本的に変えてきた。 ポイントクラウドの大規模データサイズは、データ圧縮において大きな課題を呈している。 そこで我々はPCACと差別化可能なレンダリングをシームレスに統合するエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T16:12:51Z)
• RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
  本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。 インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。 我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
  論文  参考訳（メタデータ） (2020-11-30T12:58:05Z)

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。