論文の概要: Watermarks and Fingerprints as Soft Bindings for Content Provenance: An Open-Licence Benchmark for Images, Audio and Video

• arxiv url: http://arxiv.org/abs/2610.04151v1
• Date: Fri, 02 Oct 2026 23:52:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 19:47:12.542041
• Title: Watermarks and Fingerprints as Soft Bindings for Content Provenance: An Open-Licence Benchmark for Images, Audio and Video
• Title（参考訳）: ソフトバインディングとしてのウォーターマークとフィンガープリント:画像,オーディオ,ビデオのオープンライセンスベンチマーク
• Abstract要約: 我々は、透かしと指紋認証の2種類のコンテンツ保証基準をベンチマークした。 透かしでは, 知覚品質, 頑健性, 偽陽性, コストについて, 映像25面, 音声7面, ビデオ7面について評価した。 PixelSealは、画像とビデオの透かしとオーディオのAudioSealに最適なバランスを与えたが、TrustMarkのすべての変種が5.9から15.3%の未表示画像に発射されたエラー補正検出器は、オーディオに最適であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Content-provenance standards such as C2PA let a platform recover a stripped manifest through a soft binding: an invisible watermark read from the content, or a fingerprint looked up in a registry. We benchmarked both families under one protocol, restricted to openly available models whose licences we audited, on public media, with false-match rates calibrated on held-out negatives and source-level bootstrap intervals for performance estimates. For watermarking we evaluated 25 image, 7 audio and 7 video configurations from 12 methods on perceptual quality, robustness, false positives and cost; for fingerprinting, 35 methods on registries of up to 98,985 images, partial edits and adversarial attacks. PixelSeal gave the best balance for image and video watermarks and AudioSeal for audio, but the error-correcting detector of every TrustMark variant fired on 5.9 to 15.3% of unmarked images, so a verifier should test the expected payload. Among fingerprints, copy detectors trained on non-commercial data detected up to 75.5% of transformed images at a pair-level false-match rate of $10^{-7}$ and DINOv2, the best permissively licensed method, 65.0%; near-copies in a product catalogue dominated the false matches, and no detection improvement from geometric verification was observed under a matched calibration false-binding constraint in the evaluated image pipelines. On the same attacked copies the two families failed differently: the union of watermark and fingerprint successes covered 69% of image copies; fingerprints covered more audio queries, whereas expected-key watermark verification covered more video queries. Embedding a watermark moved the ISCC code of 62.0% of images past its match threshold, and platform-dependent colour conversion changed watermark bits between x86 and ARM hosts.
• Abstract（参考訳）: C2PAのようなコンテンツ保証標準は、プラットフォームがソフトバインディングを通じて取り除かれたマニフェストを復元することを可能にする。 1つのプロトコルで2つのファミリーをベンチマークし、監査したライセンスを公開メディアで公開し、保留陰性度とソースレベルのブートストラップ間隔を基準とした偽マッチ率で評価した。 透かしには, 知覚品質, 頑健性, 偽陽性, コストに関する12の手法から, 最大98,985個の画像の登録方法, 部分的編集方法, 敵対的攻撃法について, 25の画像, 7つのオーディオ, 7つのビデオ構成を評価した。 PixelSealは、画像とビデオの透かしとオーディオのためのAudioSealに最適なバランスを与えたが、TrustMarkのすべての変種が5.9から15.3%のマークのない画像に発射されたエラー補正検出器は、検証者が期待するペイロードをテストする必要がある。 指紋の中には、変換された画像の最大75.5%を10^{-7}$とDINOv2のペアレベルの偽マッチ速度で検出し、65.0%で最高のパーミッシブライズされた方法、製品カタログのニアコピーが偽一致を支配しており、評価された画像パイプラインの校正された偽結合制約の下では、幾何的検証による検出の改善は見られなかった。 ウォーターマークと指紋の融合は画像コピーの69%をカバーし、指紋はより多くのオーディオクエリをカバーし、期待されたキーのウォーターマーク検証はより多くのビデオクエリをカバーした。 ウォーターマークを埋め込むことで、ISCCのイメージの62.0%がマッチしきい値を超えて移動され、プラットフォームに依存した色変換によって、x86とARMホスト間のウォーターマークビットが変更された。

関連論文リスト

• RemTraceNet: Few-Shot Forensic Detection of Invisible Watermark Attacks [24.428832152874033]
  本稿では,制約された残差,局所関係,FFT/Haar統計,およびネイティブ解像度におけるブロック-DCTエビデンスを融合するRemTraceNetを紹介する。 パイプライン当たり100回の攻撃訓練画像、TPR@1%FPR、攻撃に対するマクロ平均値、透かし構成は82.75%から88.17%である。 同じラベルとプロトコルの条件下では、RemTraceNetはSRNet、ZhuNet、SiaStegNetのベースラインを10.80～15.68ポイント上回っている。
  論文  参考訳（メタデータ） (2026-09-18T07:22:36Z)
• Forging Tree-Ring: Reproducing and Instrumenting Black-Box Semantic Watermark Forgery [0.0]
  我々は,安定拡散XL上のツリーリングに対するMllerらによるReprompt forgery攻撃を再現する。 実画像6/6、クリーン画像0/6、偽画像5/6を1回の攻撃で325-332秒で検出する。
  論文  参考訳（メタデータ） (2026-09-11T14:35:42Z)
• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• Watermarking and Anomaly Detection in Machine Learning Models for LORA RF Fingerprinting [0.0]
  本稿では,疑わしい入力を見つけるために,所有権証明のための透かしと異常検出を併用したより強力なRFFIシステムを提案する。 LoRaデータセットでは、94.6%の精度、98%の透かし成功、0.94のAUROCを達成し、検証可能な改ざん防止認証を提供する。
  論文  参考訳（メタデータ） (2025-09-18T17:21:33Z)
• An Undetectable Watermark for Generative Image Models [65.31658824274894]
  生成画像モデルに対する検出不能な最初の透かし方式を提案する。 特に、検出不能な透かしは、効率的に計算可能なメートル法で画質を劣化させることはない。 提案手法は,擬似乱数誤り訂正符号を用いて拡散モデルの初期潜時間を選択する。
  論文  参考訳（メタデータ） (2024-10-09T18:33:06Z)
• 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)
• WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
  WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。 我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。 我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
  論文  参考訳（メタデータ） (2024-01-16T18:58:36Z)
• Image content dependent semi-fragile watermarking with localized tamper detection [0.571097144710995]
  提案手法はJPEG圧縮に対して頑健であり,最先端のセミフレジャル透かし法と競合する。 提案手法はJPEG圧縮に対して頑健であり,最先端の半フラジイル透かし法と競合することを示す。
  論文  参考訳（メタデータ） (2021-06-27T05:40:56Z)

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。