Noise-NeRF: Hide Information in Neural Radiance Fields using Trainable Noise

要約

Neural Radiance Field (NeRF) は革新的な 3D 表現方法として提案されています。
NeRF は多くの注目を集める一方で、情報の機密性やセキュリティといった重大な問題に直面しています。
ステガノグラフィーは、情報セキュリティを保護する手段として、別のオブジェクトに情報を埋め込むために使用される技術です。
現在、NeRF ステガノグラフィーに関する関連研究はほとんどなく、ステガノグラフィーの品質の低さ、モデル重量の損傷、ステガノグラフィー情報の量の制限といった課題に直面しています。
この論文では、トレーニング可能なノイズ、Noise-NeRF に基づく新しい NeRF ステガノグラフィー手法を提案します。
さらに、ステガノグラフィーの品質と効率を向上させるために、適応ピクセル選択戦略とピクセル摂動戦略を提案します。
オープンソース データセットに関する広範な実験により、Noise-NeRF がステガノグラフィーの品質とレンダリング品質の両方で最先端のパフォーマンスを提供すること、さらには超解像度画像ステガノグラフィーの有効性を提供することが示されています。

要約(オリジナル)

Neural radiance fields (NeRF) have been proposed as an innovative 3D representation method. While attracting lots of attention, NeRF faces critical issues such as information confidentiality and security. Steganography is a technique used to embed information in another object as a means of protecting information security. Currently, there are few related studies on NeRF steganography, facing challenges in low steganography quality, model weight damage, and a limited amount of steganographic information. This paper proposes a novel NeRF steganography method based on trainable noise: Noise-NeRF. Furthermore, we propose the Adaptive Pixel Selection strategy and Pixel Perturbation strategy to improve the steganography quality and efficiency. The extensive experiments on open-source datasets show that Noise-NeRF provides state-of-the-art performances in both steganography quality and rendering quality, as well as effectiveness in super-resolution image steganography.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google