CopyRNeRF : Protection des Droits d'Auteur des Champs de Radiance Neuronaux
CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
July 21, 2023
Auteurs: Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan
cs.AI
Résumé
Les champs de radiance neuronaux (NeRF) ont le potentiel de devenir une représentation majeure des médias. Comme l'entraînement d'un NeRF n'a jamais été une tâche aisée, la protection de ses droits d'auteur devrait être une priorité. Dans cet article, en analysant les avantages et les inconvénients des solutions possibles de protection des droits d'auteur, nous proposons de protéger les droits d'auteur des modèles NeRF en remplaçant la représentation originale des couleurs dans le NeRF par une représentation des couleurs marquée par un filigrane. Ensuite, un schéma de rendu résistant à la distorsion est conçu pour garantir une extraction robuste des messages dans les rendus 2D des NeRF. Notre méthode proposée peut directement protéger les droits d'auteur des modèles NeRF tout en maintenant une qualité de rendu élevée et une précision des bits par rapport aux solutions alternatives.
English
Neural Radiance Fields (NeRF) have the potential to be a major representation
of media. Since training a NeRF has never been an easy task, the protection of
its model copyright should be a priority. In this paper, by analyzing the pros
and cons of possible copyright protection solutions, we propose to protect the
copyright of NeRF models by replacing the original color representation in NeRF
with a watermarked color representation. Then, a distortion-resistant rendering
scheme is designed to guarantee robust message extraction in 2D renderings of
NeRF. Our proposed method can directly protect the copyright of NeRF models
while maintaining high rendering quality and bit accuracy when compared among
optional solutions.