論文の概要: FiLM-CAM: Keyed Feature Modulation for Conditional-Access Watermarking
- arxiv url: http://arxiv.org/abs/2610.30347v1
- Date: Wed, 21 Oct 2026 19:06:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.111721
- Title: FiLM-CAM: Keyed Feature Modulation for Conditional-Access Watermarking
- Title（参考訳）: FiLM-CAM:条件付きウォーターマーキングのためのキー付き特徴変調
- Abstract要約: 本稿では,鍵付き特徴変調による符号化,復号化,削除を強制する条件付き画像透かし手法を提案する。
秘密鍵は、埋め込み前に透かし信号の内部表現を変換するフィーチャーワイド線形変調機構を条件とする。
我々は,複数の透かしエンコーダ/デコーダバックボーンにまたがるFiLM-CAMを評価し,キー付き特徴変調が画像透かしに有効なアーキテクチャに依存しない条件付きアクセスモジュール(CAM)であることを示す。
- 参考スコア（独自算出の注目度）: 15.332326253940451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose FiLM-CAM; a conditional-access image watermarking approach that enforces authorized encoding, decoding, and removal through keyed feature modulation. A secret key conditions a Feature-wise Linear Modulation (FiLM) mechanism that transforms the internal representation of the watermark signal before embedding, thereby coupling the payload to the key at the feature, rather than pixel level. The same key must be presented to condition the decoder to correctly recover the payload embedded in an image. To enforce conditional access, we train the system to maximize the performance gap between authorized and unauthorized use, ensuring reliable extraction under the correct key while inducing failure under incorrect keys. In addition, we design our encoder to estimate the watermark residual invariant to the presence of pre-existing watermarks. This design enables conditional watermark removal via simple re-encoding and subtraction of the residual using iterative refinement, contingent on knowledge of the secret key. We evaluate FiLM-CAM across multiple watermarking encoder-decoder backbones, demonstrating that keyed feature modulation serves as an effective, architecture-agnostic conditional access module (CAM) for image watermarking.
- Abstract（参考訳）: 本稿では,鍵付き特徴変調による符号化,デコード,削除を強制する条件付き画像透かし手法であるFiLM-CAMを提案する。
秘密鍵は、埋め込み前に透かし信号の内部表現を変換し、ピクセルレベルではなく、特徴のキーにペイロードを結合する機能ワイド線形変調(FiLM)機構を条件とする。
同じキーをデコーダに表示して、イメージに埋め込まれたペイロードを正しく復元する必要がある。
条件付きアクセスを強制するために,認証された使用と許可されていない使用の間の性能ギャップを最大化し,不正なキーによる故障を誘発しながら,正しいキーによる信頼性の高い抽出を保証するよう,システムを訓練する。
さらに,既存の透かしの存在下での透かし残差を推定するエンコーダを設計する。
この設計により、秘密鍵の知識に基づいて、繰り返し精製を用いて残余の簡単な再エンコーディングと減算による条件付き透かし除去が可能となる。
我々は,複数の透かしエンコーダ/デコーダバックボーンにまたがるFiLM-CAMを評価し,キー付き特徴変調が画像透かしに有効なアーキテクチャに依存しない条件付きアクセスモジュール(CAM)であることを示す。
関連論文リスト
- Optimizing and Securing the Modern Watermarking Channel for Images [3.294420397461204]
本稿では,エンコーダ/デコーダペアの出力の統計的解析を基礎とした,現代的なポストホックな透かし方式の理論モデルを提案する。
これらのディープニューラルネットワークは,BPSK変調を用いてメッセージを送信することで,並列AWGNチャネルとしてモデル化された透かしチャネルを暗黙的に定義することを示す。
復号器の出力の統計モデルに基づいて秘密鍵を推定する可能性にリンクすることで、ポストホック方式のセキュリティを正確にマーキングする。
論文 参考訳（メタデータ） (2026-09-28T09:37:19Z) - Latent-Mark: An Audio Watermark Robust to Neural Resynthesis [62.09761127079914]
Latent-Markはセマンティック圧縮に耐えられるように設計された最初のゼロビットオーディオ透かしフレームワークである。
私たちの重要な洞察は、エンコード-デコードプロセスに対する堅牢性は、不変の潜在空間に透かしを埋め込む必要があるということです。
我々の研究は、ますます複雑で多様な生成歪みをまたいで整合性を維持することができる普遍的な透かしフレームワークに、将来の研究をインスピレーションを与えます。
論文 参考訳（メタデータ） (2026-03-05T15:51:09Z) - OSI: One-step Inversion Excels in Extracting Diffusion Watermarks [56.210696479553945]
ガウスシェーディングスタイルの透かしを抽出する手法であるワンステップインバージョン(OSI)を提案する。
OSIは、透かし抽出を学習可能な記号分類問題として再構成し、初期雑音の正確な回帰を不要にする。
我々のOSIは,20倍高速で,抽出精度が向上し,透かしペイロード容量が2倍になる多段拡散インバージョン法を著しく上回っている。
論文 参考訳（メタデータ） (2026-02-10T07:43:16Z) - SemBind: Binding Diffusion Watermarks to Semantics Against Black-Box Forgery Attacks [74.76909939060833]
ブラックボックスの偽造攻撃は、証明と信頼に非常に大きなリスクをもたらす。
ブラックボックス偽造に抵抗する潜伏型透かしのフレームワークであるSemBindを提案する。
我々は,SemBindが有効である抗偽造の変異が,ブラックボックス偽造の誤認を著しく減少させることを示した。
論文 参考訳（メタデータ） (2026-01-28T07:02:40Z) - MOLM: Mixture of LoRA Markers [28.772539229108286]
本稿では、符号化問題を生成モデルのパラメータの鍵依存として定式化する一般的な透かしフレームワークを提案する。
このフレームワークでは、残部および注目ブロック内でバイナリキーが軽量なLoRAアダプタを活性化するルーティングベースのインスタンス化であるMixture of LoRA Markers(MOLM)を導入する。
論文 参考訳（メタデータ） (2025-09-30T21:27:14Z) - DiffMark: Diffusion-based Robust Watermark Against Deepfakes [49.05095089309156]
ディープフェイクは、悪意のある顔操作を通じて、重大なセキュリティとプライバシーの脅威を引き起こす。
既存の透かし法はディープフェイク操作に対して十分な堅牢性を欠いていることが多い。
本稿では拡散モデルに基づく新しいロバストな透かしフレームワークDiffMarkを提案する。
論文 参考訳（メタデータ） (2025-07-02T07:29:33Z) - Watermarking Autoregressive Image Generation [4.335447827531541]
生成モデルのアウトプットを透かしは、その成果を追跡するための有望なアプローチとして現れている。
この設定に言語モデルウォーターマーキング手法を適用することで、このようなアプローチを初めて提示する。
実験により,理論的なp値を用いた確実かつ堅牢な透かし検出が可能となった。
論文 参考訳（メタデータ） (2025-06-19T14:25:51Z) - Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal [57.84348166457113]
本稿では,事前学習した画像の塗装モデルの表現能力を活用する新しい特徴適応フレームワークを提案する。
本手法は, 透かしの残像の残像を塗布バックボーンモデルに流し込むことにより, 透かしと透かし除去の知識ギャップを埋めるものである。
高品質な透かしマスクへの依存を緩和するために,粗い透かしマスクを用いて推論プロセスを導出する新たな訓練パラダイムを導入する。
論文 参考訳（メタデータ） (2025-04-07T02:37:14Z) - 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) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳（メタデータ） (2021-12-17T15:52:46Z)
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。