CopyRNeRF: Protezione del Diritto d'Autore dei Campi di Radianza Neurale
CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
July 21, 2023
Autori: Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan
cs.AI
Abstract
I Neural Radiance Fields (NeRF) hanno il potenziale per diventare una rappresentazione significativa dei media. Poiché l'addestramento di un NeRF non è mai stato un compito semplice, la protezione del copyright del suo modello dovrebbe essere una priorità. In questo articolo, analizzando i pro e i contro delle possibili soluzioni di protezione del copyright, proponiamo di proteggere il copyright dei modelli NeRF sostituendo la rappresentazione del colore originale nel NeRF con una rappresentazione del colore marchiata. Successivamente, viene progettato uno schema di rendering resistente alle distorsioni per garantire un'estrazione robusta del messaggio nei rendering 2D del NeRF. Il nostro metodo proposto può proteggere direttamente il copyright dei modelli NeRF mantenendo un'elevata qualità di rendering e precisione dei bit rispetto alle soluzioni alternative.
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.