Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CompMarkGS: Robust Watermarking for Compressed 3D Gaussian Splatting

Created by
  • Haebom
Category
Empty

저자

Sumin In, Youngdong Jang, Utae Jeong, MinHyuk Jang, Hyeongcheol Park, Eunbyung Park, Sangpil Kim

개요

본 논문은 3D Gaussian Splatting (3DGS) 모델의 압축 후에도 워터마킹의 강건성을 유지하는 새로운 워터마킹 기법을 제안합니다. 기존 3DGS 워터마킹 방법들이 양자화 기반 압축에 취약한 문제를 해결하기 위해, 학습 과정에 양자화 왜곡 계층을 도입하여 압축 시에도 워터마킹이 유지되도록 합니다. 또한, 학습 가능한 워터마킹 임베딩 특징을 사용하여 워터마킹을 앵커 특징에 임베딩함으로써 구조적 일관성을 유지하고 3D 장면에 매끄럽게 통합합니다. 고주파 영역의 이미지 품질을 향상시키기 위해 주파수 인식 앵커 성장 메커니즘도 제시합니다. 실험 결과, 제안된 방법이 높은 압축률에서도 워터마킹을 보존하고 우수한 이미지 품질을 유지함을 보여줍니다.

시사점, 한계점

시사점:
3DGS 모델의 양자화 기반 압축 후에도 강건한 워터마킹을 가능하게 하는 새로운 방법 제시
학습 과정에 양자화 왜곡 계층을 도입하여 압축에 대한 워터마킹의 강건성 향상
학습 가능한 워터마킹 임베딩 특징과 주파수 인식 앵커 성장 메커니즘을 통해 이미지 품질 유지
높은 압축률에서도 워터마킹 보존 및 우수한 이미지 품질 유지를 실험적으로 검증
한계점:
제안된 방법의 성능이 다른 압축 기법이나 공격에 대한 강건성은 추가적인 연구가 필요함.
특정 압축 기법에 최적화되어 다른 압축 기법에 대한 일반화 성능은 추가 실험을 통해 검증되어야 함.
워터마킹 임베딩으로 인한 3DGS 모델 크기 증가 및 성능 저하 정도에 대한 분석 필요.
👍