面向 2D 与 3D 扩散编辑的 3D 高斯溅射鲁棒水印
计算机视觉与模式识别
2026-04-10 v2 人工智能
摘要
3D 高斯溅射（3DGS）已成为高保真度 3D 资产的领先表示方法，但通过数字水印保护这些资产仍是一个开放性挑战。现有的 3DGS 水印方法仅对经典失真具有鲁棒性，在扩散编辑下表现失效——扩散编辑在 2D 图像层面和 3D 场景层面 operate, 在不影响视觉合理性的前提下神秘地擦除嵌入的水印。我们提出了 RDSplat，这是首个设计为抗击 2D 与 3D 扩散编辑的 3DGS 水印框架。我们的关键观察是，扩散模型充当低通滤波器，保留低频结构同时重生成高频细节。RDSplat 通过频率感知原始选择（FAPS）识别出的低频高斯原始上嵌入 100 位水印，而冻结所有其他原始。通过用高斯模糊数据增强取代昂贵的扩散前向传递来实现训练效率。我们构建了一个基于 ViT-S/16 且具备空间周期性密钥嵌入的专用解码器 GeoMark，能够抗击扩散编辑以及新观点渲染所固有的几何变换。我们在四个基准数据集上进行了大量实验，测试了七种 2D 扩散攻击和迭代 3D 编辑，结果显示在 100 位容量下，经典鲁棒性（位准确率 0.811）和竞争性扩散鲁棒性（位准确率 0.701）均表现优异，同时在单张 RTX 4090 GPU 上完成微调仅需 3 到 7 分钟。
关键词
引用
@article{arxiv.2512.06774,
title = {RDSplat: Robust Watermarking for 3D Gaussian Splatting Against 2D and 3D Diffusion Editing},
author = {Longjie Zhao and Ziming Hong and Zhenyang Ren and Runnan Chen and Mingming Gong and Tongliang Liu},
journal= {arXiv preprint arXiv:2512.06774},
year = {2026}
}