CopyRNeRF: Protegendo os Direitos Autorais dos Campos de Radiação Neural
CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
July 21, 2023
Autores: Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan
cs.AI
Resumo
Os Campos de Radiosidade Neural (NeRF) têm o potencial de se tornar uma representação significativa de mídia. Como o treinamento de um NeRF nunca foi uma tarefa fácil, a proteção dos direitos autorais de seu modelo deve ser uma prioridade. Neste artigo, ao analisar os prós e contras das possíveis soluções de proteção de direitos autorais, propomos proteger os direitos autorais dos modelos NeRF substituindo a representação de cores original no NeRF por uma representação de cores com marca d'água. Em seguida, um esquema de renderização resistente a distorções é projetado para garantir a extração robusta de mensagens em renderizações 2D do NeRF. Nosso método proposto pode proteger diretamente os direitos autorais dos modelos NeRF enquanto mantém alta qualidade de renderização e precisão de bits quando comparado com soluções alternativas.
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.