RAW：ロバストなアバターワーターマーキング——ベンチマークとベースライン

デジタルアバターの透かし入れ技術は、従来の画像やビデオの透かしとは異なる独自の課題に直面しています。アバターは、実際に使用される前に背景の置換、リフレーミング、フォーマット変換といった後処理を経ることが一般的であり、これらの処理は埋め込まれた透かし情報を劣化させる可能性があります。カーディフ大学などの研究者らは、arXivに発表した最新の研究で、RAW（Robust Avatar Watermarking）ベンチマークを提案し、それに基づいてWALT（Watermarking Avatars with Learned Textures）手法を開発しました。これは、アバター透かし分野に新しい解決策を提供するものです。

RAWベンチマークは、アバター透かしのロバスト性を評価するために特別に設計されました。このベンチマークは、5つの商用プロバイダから提供された50の合成アバタービデオで構成されており、異なる顔特徴、背景、動作をカバーしています。現実世界の応用シナリオを模倣するために、研究者らは6種類の攻撃（背景除去、ズーム、回転、クロッピング、フォーマット変換、ビデオ圧縮）を設計しました。これらの攻撃は、アバターが実際の展開で遭遇する可能性のあるさまざまな処理を反映しています。研究チームは、このベンチマークを使用して7つの既存の透かし手法（従来の画像透かし手法や深層学習ベースの手法を含む）を評価しました。評価結果は衝撃的でした。背景除去攻撃では、ほとんどの既存手法の透かし回復率が50%以上低下し、ズーム攻撃では一部の手法が完全に機能しなくなりました。これは、既存の透かし技術がアバター特有の処理に対して深刻な脆弱性を持っていることを示しています。

この課題を克服するために、研究者らはWALT手法を提案しました。WALTの核心的な革新は、透かしをUVテクスチャ空間に埋め込む点にあります。UVテクスチャは3Dモデル表面のパラメトリック表現であり、カメラの視点や幾何学的変換から独立しています。WALTはまず、3D顔再構成技術を使用してアバタービデオからUVテクスチャマップを抽出し、次に学習可能なニューラルネットワークを使用して透かし情報をUVテクスチャに埋め込みます。UVテクスチャは幾何学的変換（ズーム、回転など）に対して本質的にロバストであるため、WALTはこれらの攻撃下でも高い透かし回復率を維持できます。さらに、WALTは背景除去に特化して最適化されています。透かしを顔領域のUVテクスチャに埋め込むことで、背景が完全に除去された場合でも、顔領域から透かし情報を抽出できます。

実験結果によれば、WALTはズーム攻撃に対して92.4%のロバスト性を達成し、すべての比較手法を大幅に上回りました。背景除去攻撃に対しても95.6%という高い回復率を示しました。複数の攻撃が組み合わされた場合でも、WALTは80%以上の回復率を維持しました。この性能向上は、UVテクスチャ空間の安定性とWALTが学習したロバストな埋め込み戦略によるものです。

研究チームは、RAWベンチマークをオープンソースとして公開しており、すべてのビデオデータ、攻撃コード、評価指標が含まれています。これにより、アバター透かし分野の研究に標準化されたテストプラットフォームが提供され、分野の急速な発展が促進されることが期待されます。将来的には、アバター透かし技術は、バーチャルリアリティ、拡張現実、遠隔会議、ゲーム、ソーシャルメディアなど多くの分野で重要な役割を果たし、知的財産保護とコンテンツセキュリティに貢献するでしょう。RAWとWALTの提案は、アバター透かし技術における重要な一歩を示しています。