論文の概要: Adaptable Watermarking: Transforming Image Watermarking Models via Lightweight Adapters
- arxiv url: http://arxiv.org/abs/2611.18363v1
- Date: Fri, 13 Nov 2026 16:11:02 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:21:26.722834
- Title: Adaptable Watermarking: Transforming Image Watermarking Models via Lightweight Adapters
- Title(参考訳): 適応型透かし:軽量適応器による画像透かしモデル変換
- Abstract要約: 本稿では,エンコーダとデコーダの透かしアーキテクチャをモジュール化し,改良可能なフレームワークを提案する。
相互運用性およびアップグレード性のある透かしを応用したクロスモデル適応は,1コンポーネントあたり1-2Mのトレーニング可能なパラメータで実現できることを示す。
- 参考スコア(独自算出の注目度): 49.04840668516558
- License:
- Abstract: We explore the adaptability of neural image watermarking models; the extent to which one watermarking method can be transformed into another through lightweight adaptation. We introduce a framework that enables encoder-decoder watermarking architectures to become modular and upgradable, supporting multiple watermarking styles without re-training full models. Adaptation is performed by attaching a compact parameter-efficient adapter and fine-tuning under a multi-domain residual alignment loss (spatial, gradient, and frequency) while preserving bit accuracy via a secret-loss term. We evaluate this approach across a suite of recent watermarking models, including TrustMark, InvisMark, RoSteALS, HiDDeN, and WAM, demonstrating that adapted encoders closely reproduce target residuals and that adapted decoders recover messages with near-optimal accuracy under standard augmentations and distortions. We show that cross-model adaptation, with applications in interoperable and upgradable watermarking, can be achieved with as few as 1-2M trainable parameters per component (e.g., the 2M decoder adapter used in our multi-decoder inference pipeline).
- Abstract(参考訳): 本稿では,ニューラル画像透かしモデルの適応性について検討する。
本稿では,エンコーダとデコーダの透かしアーキテクチャをモジュール化し,複数の透かしスタイルをサポートするためのフレームワークを提案する。
多領域残差アライメントロス(空間、勾配、周波数)の下で、コンパクトなパラメータ効率のアダプタと微調整を施し、シークレットロス項を介してビット精度を保ち、適応を行う。
提案手法は,TrustMark,InvisMark,RoSteALS,HiDDeN,WAMを含む最近の透かしモデルで評価され,適応エンコーダがターゲット残差を密に再現し,適応デコーダが標準拡張および歪みの下でほぼ最適精度でメッセージを復元することを示す。
相互運用性およびアップグレード性のある透かしを応用したクロスモデル適応は、コンポーネント毎に1-2Mのトレーニング可能なパラメータ(例えば、マルチデコーダ推論パイプラインで使用される2Mデコーダアダプタ)で実現できることを示す。
関連論文リスト
- SPDMark: Selective Parameter Displacement for Robust Video Watermarking [30.398519705830264]
本研究ではSPDMarkと呼ばれる次世代ビデオ透かしの新しいフレームワークを紹介する。
ウォーターマークは生成モデル内のパラメータのサブセットを変更することで生成されたビデオに埋め込まれる。
テキスト・ツー・ビデオ生成モデルと画像・ビデオ生成モデルの評価は、SPDMarkが認識不能な透かしを生成する能力を示している。
論文 参考訳(メタデータ) (2025-12-12T23:35:13Z) - Hot-Swap MarkBoard: An Efficient Black-box Watermarking Approach for Large-scale Model Distribution [14.60627694687767]
本稿では,効率的な透かし手法であるHot-Swap MarkBoardを提案する。
ユーザ固有の$n$-bitバイナリシグネチャを、独立して複数の透かしを埋め込むことでエンコードする。
この方法はブラックボックス検証をサポートし、様々なモデルアーキテクチャと互換性がある。
論文 参考訳(メタデータ) (2025-07-28T09:14:21Z) - MarkPlugger: Generalizable Watermark Framework for Latent Diffusion Models without Retraining [48.41130825143742]
AI生成コンテンツ(AIGC)の急速な発展期には、潜伏拡散モデル(LDM)の迅速な反復と修正により、ウォーターマークモデルによる再トレーニングがコストがかかる。
我々は,LDMの再学習を伴わない汎用的なプラグイン・アンド・プレイ・ウォーターマーク・フレームワークであるMarkPluggerを提案する。
実験結果から,本手法は画像品質と透かし回収率を効果的に調和させることがわかった。
論文 参考訳(メタデータ) (2024-04-08T15:29:46Z) - TokenMark: A Modality-Agnostic Watermark for Pre-trained Transformers [67.57928750537185]
TokenMarkは、事前訓練されたモデルに対する頑健で、モダリティに依存しない、堅牢な透かしシステムである。
予めトレーニングされたモデルを、特別に置換されたデータサンプルのセットに微調整することで、透かしを埋め込む。
これはモデル透かしの堅牢性、効率、普遍性を著しく改善する。
論文 参考訳(メタデータ) (2024-03-09T08:54:52Z) - Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs [23.639074918667625]
ホワイトボックス攻撃に対するロバスト性を向上したGANのための新しいマルチビット・ボックスフリー透かし手法を提案する。
透かしは、GANトレーニング中に余分な透かし損失項を追加することで埋め込む。
その結果,透かしの存在が画像の品質に与える影響は無視できることがわかった。
論文 参考訳(メタデータ) (2023-10-25T18:38:10Z) - Plug-In Inversion: Model-Agnostic Inversion for Vision with Data
Augmentations [61.95114821573875]
単純な拡張セットに依存し、過剰なハイパーパラメータチューニングを必要としないPlug-In Inversionを導入する。
ImageNetデータセットでトレーニングされたビジョントランスフォーマー(ViT)とマルチ層パーセプトロン(MLP)を反転させることにより,我々のアプローチの実用性を説明する。
論文 参考訳(メタデータ) (2022-01-31T02:12:45Z) - 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) - VCE: Variational Convertor-Encoder for One-Shot Generalization [3.86981854389977]
変分変換エンコーダ(VCE)は、画像を様々なスタイルに変換する。
本稿では,一括一般化問題に対する新しいアーキテクチャを提案する。
また, 変分オートエンコーダ(VAE)の性能を向上し, その曖昧な点をフィルタする。
論文 参考訳(メタデータ) (2020-11-12T07:58:14Z)
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。