생성형 미디어 저작권 보호를 위한 뉴럴 워터마킹

Neural Watermarking for Copyright Protection of Generative Media

연구 내용

생성형 3D 가우시안 스플래팅과 비디오 확산 모델에 보이지 않는 워터마크를 삽입해 모델·렌더링 저작권을 보호하는 연구

생성형 3D 콘텐츠와 비디오 확산 모델에서 무단 사용을 방지하기 위해 뉴럴 워터마킹을 수행합니다. 3D 가우시안 스플래팅에서는 렌더링 품질에 기여도가 낮은 가우시안을 주파수 기반으로 선택 제거하는 Frequency-Guided Densification으로 메시지 내성을 높이고 실시간 렌더링 품질 저하를 최소화합니다. 비디오 확산 모델에서는 인접 프레임 일관성을 학습해 워터마크 디코딩 정확도를 유지하며, 워터마크는 시각적 영향이 작은 레이어에 중요도 가중치로 삽입하고 워브릿·색상 특징으로 신뢰성을 보강합니다.

관련 프로젝트

4건

연구 흐름

초기에는 4D 실감 콘텐츠 창작물의 저작권 요구를 반영해 영상 정합과 다시점 3D 복원 기반 생성 파이프라인에서 보호 기술을 연계하는 방향으로 연구를 수행했습니다. 이후 생성형 AI 3D 콘텐츠를 대상으로 뉴럴 워터마크 핵심 기술을 정립하고, 3D 가우시안 스플래팅의 명시적 표현을 활용한 주파수 유도 삽입과 디코딩 내성 개선으로 확장했습니다. 최근에는 잠재 비디오 확산 모델로 범위를 넓혀 시간적 일관성 학습 기반 디코더를 설계하고 워터마크와 시각 품질의 균형을 최적화하는 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

3D 콘텐츠 무단복제 탐지
렌더링 이미지 진위 확인
Latent video diffusion 모델 보호
워터마크 자동 검출 파이프라인
공격 내성 평가 체계
플랫폼 사업자용 라이선스 추적
실시간 렌더링 저하 최소화
워터마킹 기반 배포 게이트
규제 대응용 증빙 데이터 생성