The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields

要約

ニューラル放射輝度（NERF）は、3Dコンテンツ表現の重要な形態として注目を集めています。
NERFベースの創造物の急増により、著作権保護の必要性が重要な問題として浮上しています。
デジタル透かしをnerfに埋め込むためのいくつかのアプローチが提案されていますが、しばしば重要なモデルレベルの考慮事項を無視し、かなりの時間オーバーヘッドを発生させ、ユーザーの不便とともに知覚性と堅牢性の低下をもたらします。
このホワイトペーパーでは、画像の透かしに関する以前の基準をモデルレベルに拡張し、NERFの新しい透かし療法方法であるNerf Signatureを提案します。
モデル構造を変更しないコードブック支援署名埋め込み（CSE）を使用して、モデルレベルでの知覚性と堅牢性の向上を維持します。
さらに、最適化後、CSEを介して目的の署名を埋め込むことができ、NERFの所有者が新しいバイナリ署名を使用する場合は微調整は必要ありません。
次に、署名を特定の視点からより高い堅牢性のためにレンダリングするパッチに署名を隠すために、共同ポーズパッチの暗号化暗号化透かし戦略を導入します。
さらに、知覚性を高めるために、高い視覚的複雑さパッチに署名を埋め込む複雑さを意識したキー選択（CAKS）スキームを探ります。
実験結果は、私たちの方法が、知覚性と堅牢性の観点から他のベースライン方法よりも優れていることを示しています。
ソースコードは、https：//github.com/luo-ziyuan/nerf_signatureで入手できます。

要約(オリジナル)

Neural Radiance Fields (NeRF) have been gaining attention as a significant form of 3D content representation. With the proliferation of NeRF-based creations, the need for copyright protection has emerged as a critical issue. Although some approaches have been proposed to embed digital watermarks into NeRF, they often neglect essential model-level considerations and incur substantial time overheads, resulting in reduced imperceptibility and robustness, along with user inconvenience. In this paper, we extend the previous criteria for image watermarking to the model level and propose NeRF Signature, a novel watermarking method for NeRF. We employ a Codebook-aided Signature Embedding (CSE) that does not alter the model structure, thereby maintaining imperceptibility and enhancing robustness at the model level. Furthermore, after optimization, any desired signatures can be embedded through the CSE, and no fine-tuning is required when NeRF owners want to use new binary signatures. Then, we introduce a joint pose-patch encryption watermarking strategy to hide signatures into patches rendered from a specific viewpoint for higher robustness. In addition, we explore a Complexity-Aware Key Selection (CAKS) scheme to embed signatures in high visual complexity patches to enhance imperceptibility. The experimental results demonstrate that our method outperforms other baseline methods in terms of imperceptibility and robustness. The source code is available at: https://github.com/luo-ziyuan/NeRF_Signature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google