CopyRNeRF: ニューラルラジアンスフィールドの著作権保護
CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
July 21, 2023
著者: Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan
cs.AI
要旨
ニューラルラジアンスフィールド（NeRF）は、メディア表現の主要な手法となる可能性を秘めています。NeRFの学習は決して容易な作業ではないため、そのモデルの著作権保護は優先すべき課題です。本論文では、可能な著作権保護ソリューションの利点と欠点を分析し、NeRFモデルの著作権を保護するために、NeRF内の元の色表現を透かし入りの色表現に置き換えることを提案します。さらに、歪みに強いレンダリングスキームを設計し、NeRFの2Dレンダリングにおいてロバストなメッセージ抽出を保証します。提案手法は、NeRFモデルの著作権を直接保護しつつ、他の選択肢と比較しても高いレンダリング品質とビット精度を維持することができます。
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.