SHield: 구면 조화 계수 변화를 통한 4D 가우시안 스플래팅 워터마킹

원문 발행 2026. 11. 01. 02:59원문 언어 영어AI 한국어 번역arXiv cs.GR (Graphics) 원문 보기

요약

SHield는 4D Gaussian Splatting(4DGS) 모델의 파라미터 파일 자체에 워터마크를 임베딩하는 새로운 접근 방식을 제안합니다. 이는 기존 방식보다 복잡도가 낮은 비블라인드, 디코더 프리 방식으로 소유권을 검증하며, 표준 구면 조화(SH) 계수를 활용하여 정보를 삽입합니다. 테스트 결과, 다양한 3D 장면에서 높은 페이로드 복구율과 낮은 렌더링 패널티를 입증했습니다.

핵심 포인트

4DGS 파일에 네이티브하게 워터마크를 임베딩하는 최초의 방법입니다.
비블라인드 및 디코더 프리 방식으로 소유권 검증을 단순화합니다.
표준 SH 계수 전반에 걸쳐 페이로드를 타일링하여 정보를 삽입합니다.
150개 모델에서 높은 복구율($r ext{ 값} ext{ } ext{지수} ext{ } ext{크거나 같다 } 0.991$)을 보장했습니다.

4D Gaussian Splatting (4DGS) 모델은 학습에 계산 비용이 많이 들지만, 파라미터 파일 형태로 쉽게 복사하여 배포할 수 있습니다. 기존의 워터마크는 신경 디코더(neural decoder)를 사용하여 장면을 미세 조정하고 렌더링된 비디오에서 비트 문자열을 추출함으로써 이러한 자산을 보호합니다. 이는 동적 장면의 시간적 역학에 취약한 무거운 과정입니다. 그러나 위협 모델이 재배포된 파일 자체를 목표로 한다면, 검증은 크게 단순화될 수 있습니다. 4DGS의 표준 구면 조화(Spherical-Harmonic, SH) 계수는 시간 및 시점 변화에 불변(time- and view-invariant)하기 때문에, 파라미터 공간에서의 교란은 결정론적 산술을 통해 복구할 수 있습니다. 우리는 SHield를 제안합니다. 이는 전체 해상도 RGB 이미지를 4DGS 파일에 네이티브하게 임베딩하는 최초의 비블라인드(non-blind), 디코더 프리(decoder-free) 워터마킹 접근 방식입니다. SHield는 주요 선택된 가우시안 부분집합의 SH 계수 전반에 걸쳐 평균이 0인 페이로드(zero-mean payload)를 타일링하고, 시각적 충실도를 보존하기 위해 짧은 고정점 최적화(anchored optimization)를 적용합니다. 소유권을 검증하기 위해, 이는 파일 변조를 견디기 위해 표준 가우시안 중심을 사용하여 주요 요소를 기하학적으로 재연결하며, 페이로드를 폐쇄형(closed form)으로 복구합니다. 30개 장면(D-NeRF, HyperNeRF, DyNeRF)에 걸쳐 SHield는 테스트된 150개 모델 모두에서 근사 완벽한 페이로드 복구($ ext{Pearson } r ext{ 값} ext{ } ext{지수} ext{ } ext{크거나 같다 } 0.991$)를 보장하며, 평균 렌더링 패널티는 $ ext{ } ext{백분율} ext{ } ext{이하 } 0.13 ext{ dB}$입니다. 제외된 평가(Held-out evaluation)에서는 400개의 실제 시도에서 완벽한 탐지율을 보였으며, $1,600$개의 잘못된 부분집합 무효화 시도에 걸쳐 거짓 양성 값은 없었습니다. 또한 우리는 이 방법의 견고성을 엄격하게 제한합니다: SHield는 이미지 페이로드에 대해 INT8 양자화(quantization)와 $30 ext{%}$ 불투명도 가지치기(opacity pruning)를 견디며, 공격적인 SH-degree-1 절단 비트 페이로드가 여전히 디코딩 가능합니다.

AI 자동 생성 콘텐츠

원문 바로가기

SHield: 구면 조화 계수 변화를 통한 4D 가우시안 스플래팅 워터마킹

요약

핵심 포인트

댓글