論文の概要: Semantic Watermarking for Malicious Image Manipulation Detection

• arxiv url: http://arxiv.org/abs/2609.39623v1
• Date: Wed, 30 Sep 2026 12:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.761462
• Title: Semantic Watermarking for Malicious Image Manipulation Detection
• Title（参考訳）: 悪性画像マニピュレーション検出のための意味的透かし
• Abstract要約: 本稿では,この透かしを回復可能なセマンティック参照として再構成する,ロバストなセマンティックな透かしフレームワークを提案する。 我々のフレームワークは、$$-VAEベースのバイナリ透かしと明示的なチャネル認識トレーニングを組み合わせる。 ダウンストリームアプリケーションとして、軽量モジュールSDA-Netは、回復したセマンティック埋め込みを使用して、画像が変更されたかどうかを明らかにする。
• 参考スコア（独自算出の注目度）: 4.018576262580862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of high-fidelity generative editing models has made it possible to inject violent or sexual content into otherwise ordinary images while preserving visual plausibility, with concrete consequences for public discourse and vulnerable populations. We propose a robust semantic watermarking framework that reframes the watermark as a recoverable semantic reference rather than an opaque identifier. Our framework combines a $β$-VAE-based binary watermark (CLIP-VAE) with explicit channel-aware training---random bit-flip noise is injected during training so that the decoder learns graceful degradation under the noisy watermarking channel. As a downstream application, a lightweight module SDA-Net uses the recovered semantic embedding to expose not only whether but in which semantic direction an image has been altered. In a 5-way comparison against representative binary hashing baselines (SimHash, ITQ, HashNet, and their robust-MLP variants), CLIP-VAE achieves the highest reconstruction cosine similarity to the original CLIP embedding under realistic InstructPix2Pix bit-error rates, and uniquely supports direction-of-drift detection---a forensic complement to existing content-moderation pipelines.
• Abstract（参考訳）: 高忠実度生成編集モデルの普及により、視覚的可視性を保ちながら、暴力的または性的コンテンツを通常の画像に注入することが可能となり、公衆の会話や脆弱な人口に具体的な結果がもたらされた。 本稿では,透かしを不透明な識別子ではなく,回復可能なセマンティック参照として再構成する,ロバストなセマンティックな透かしフレームワークを提案する。 我々のフレームワークは,β$-VAE ベースのバイナリ透かし (CLIP-VAE) と明示的なチャネル認識トレーニングを組み合わせ,トレーニング中にランダムなビットフリップノイズを注入することにより,デコーダはノイズの多い透かしチャネルの下で優雅な劣化を学習する。 ダウンストリームアプリケーションとして、軽量モジュールSDA-Netは、回復したセマンティック埋め込みを使用して、画像がどのセマンティック方向を変更するかだけでなく、どのセマンティック方向を変更するかを明らかにする。 代表的なバイナリハッシュベースライン(SimHash、ITQ、HashNet、およびその堅牢なMLPの亜種)に対する5方向比較では、CLIP-VAEは、現実的なInstructPix2Pixビットエラーレートで埋め込んだCLIPと最もよく似たリコンストラクションコサインを実現している。

関連論文リスト

• Enhancing Underwater Images via Adaptive Semantic-aware Codebook Learning [53.9340120911759]
  水中画像強調(UIE)は、自然の清浄な参照が利用できない不適切な問題である。 意味認識型離散コードブック表現から適応UIEを実現するSUCode(Semantic-aware Underwater Codebook Network)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T07:20:15Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• 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)
• 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)
• Perceptive self-supervised learning network for noisy image watermark removal [59.440951785128995]
  雑音の多い画像透かし除去のための知覚的自己教師型学習ネットワーク(PSLNet)を提案する。 提案手法は,雑音の多い画像透かし除去のための一般的な畳み込みニューラルネットワーク(CNN)と比較して非常に効果的である。
  論文  参考訳（メタデータ） (2024-03-04T16:59:43Z)
• HDR image watermarking using saliency detection and quantization index modulation [19.092206155893773]
  HDR-IWを用いた新規なサリエンシ検出手法の提案により,ロバスト性,非受容性,ペイロードの向上が図られた。 実験結果から,提案手法は矛盾する要件の改善の観点から,最先端の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-02-22T13:25:29Z)

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。