CopyRNeRF: Защита авторских прав на нейронные поля излучения
CopyRNeRF: Protecting the CopyRight of Neural Radiance Fields
July 21, 2023
Авторы: Ziyuan Luo, Qing Guo, Ka Chun Cheung, Simon See, Renjie Wan
cs.AI
Аннотация
Нейронные поля излучения (NeRF) обладают потенциалом стать важным форматом представления медиа. Поскольку обучение NeRF никогда не было простой задачей, защита авторских прав на такие модели должна быть приоритетной. В данной статье, проанализировав преимущества и недостатки возможных решений для защиты авторских прав, мы предлагаем защищать авторские права на модели NeRF путем замены исходного цветового представления в NeRF на водяное знаковое цветовое представление. Затем разрабатывается схема рендеринга, устойчивая к искажениям, чтобы гарантировать надежное извлечение сообщений в 2D-рендерингах NeRF. Наш предложенный метод позволяет напрямую защищать авторские права на модели NeRF, сохраняя при этом высокое качество рендеринга и точность битов по сравнению с альтернативными решениями.
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.