GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting

要約

3D Gaussian Splatting（3DGS）は、最近、さまざまなアプリケーションに対して印象的な3Dアセットを作成しました。
ただし、セキュリティ、容量、不可視性、トレーニング効率を考慮すると、3DGS資産の著作権は、レンダリングパイプラインには適していないため、十分に保護されていません。
このホワイトペーパーでは、3DGS資産を透かしのための革新的で効率的なフレームワークであるGuardsPlatを提案します。
具体的には、1）最小コストでメッセージデコーダーを最適化するためのクリップ誘導パイプラインを提案します。
重要な目的は、クリップの整列能力と豊富な表現を活用して、並外れた能力と効率を実証することにより、高精度の抽出を実現することです。
2）3DGS用の球状ハーモニック対応（SH-AWARE）メッセージ埋め込みモジュールを調整し、元の3D構造を保存しながら、各3DガウスのSH機能にメッセージをシームレスに埋め込みます。
これにより、最小限の忠実度のトレードオフで3DGSアセットを透かして透かして、悪意のあるユーザーがモデルファイルから透かしを削除し、不可視とセキュリティの要求を満たすことができなくなります。
3）さまざまな歪みに対する堅牢性を向上させるために、歪み式メッセージ抽出モジュールを提示します。
実験は、Guardsplatが最先端を上回り、最適化速度を速くすることを示しています。
プロジェクトページはhttps://narcissusex.github.io/guardsplatにあり、コードはhttps://github.com/narcissusex/guardsplatにあります。

要約(オリジナル)

3D Gaussian Splatting (3DGS) has recently created impressive 3D assets for various applications. However, considering security, capacity, invisibility, and training efficiency, the copyright of 3DGS assets is not well protected as existing watermarking methods are unsuited for its rendering pipeline. In this paper, we propose GuardSplat, an innovative and efficient framework for watermarking 3DGS assets. Specifically, 1) We propose a CLIP-guided pipeline for optimizing the message decoder with minimal costs. The key objective is to achieve high-accuracy extraction by leveraging CLIP’s aligning capability and rich representations, demonstrating exceptional capacity and efficiency. 2) We tailor a Spherical-Harmonic-aware (SH-aware) Message Embedding module for 3DGS, seamlessly embedding messages into the SH features of each 3D Gaussian while preserving the original 3D structure. This enables watermarking 3DGS assets with minimal fidelity trade-offs and prevents malicious users from removing the watermarks from the model files, meeting the demands for invisibility and security. 3) We present an Anti-distortion Message Extraction module to improve robustness against various distortions. Experiments demonstrate that GuardSplat outperforms state-of-the-art and achieves fast optimization speed. Project page is at https://narcissusex.github.io/GuardSplat, and Code is at https://github.com/NarcissusEx/GuardSplat.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google