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

저자

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

개요

본 논문은 3D Gaussian Splatting (3DGS) 모델의 압축에도 강인한 새로운 워터마킹 기법을 제안합니다. 3DGS는 빠른 미분 가능 렌더링을 제공하여 3D 재구성 및 새로운 뷰 합성에 널리 사용되지만, 수많은 가우시안을 사용하기 때문에 압축이 필수적입니다. 기존 워터마킹 기법은 양자화 기반 압축에 취약하여 워터마크 손실이 발생하는 문제가 있습니다. 본 논문에서는 학습 과정에 양자화 왜곡 레이어를 추가하여 압축을 시뮬레이션하고, 학습 가능한 워터마크 임베딩 기능을 통해 워터마크를 앵커 특징에 임베딩하여 구조적 일관성을 유지하고 3D 장면에 매끄럽게 통합하는 방법을 제시합니다. 또한, 주파수 인식 앵커 성장 메커니즘을 통해 고주파 영역의 이미지 품질을 향상시킵니다. 실험 결과, 제안된 방법이 높은 압축률에서도 워터마크를 보존하고 우수한 이미지 품질을 유지함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
압축에도 강인한 3DGS 모델 워터마킹 기법을 제시하여 3D 모델 저작권 보호에 기여.
◦
양자화 왜곡 레이어와 학습 가능한 워터마크 임베딩 기능을 통해 압축 후에도 워터마크를 효과적으로 보존.
◦
주파수 인식 앵커 성장 메커니즘을 통해 고주파 영역의 이미지 품질 향상.
◦
높은 압축률에서도 우수한 성능을 보임.
•
한계점:
◦
제안된 방법의 다양한 압축 알고리즘에 대한 일반화 성능 검증 필요.
◦
워터마크의 용량 및 견고성에 대한 추가적인 분석 필요.
◦
실제 상용 압축 환경에서의 성능 평가가 추가적으로 필요.
◦
다른 유형의 공격(예: 잡음 추가, 필터링)에 대한 견고성 평가 필요.
👍
Made with Slashpage