| 講演抄録/キーワード |
| 講演名 |
2026-03-05 15:00
[ポスター講演]VQ-VAEに対する電子透かし埋め込みにおける損失関数改善法 ○瀧本雅斗・酒澤茂之(阪工大) EMM2025-123 |
| 抄録 |
(和) |
生成系AIの発展に伴い,学習済みモデルの知的財産権保護が喫緊の課題となっている.本研究では,高品質な画像生成モデルであるVQ-VAEを対象とし,重みパラメータへの電子透かし埋め込み手法を検討した.従来手法であるバイナリクロスエントロピー(BCE)を用いた埋め込みは,埋め込み容量や学習の安定性に課題があった.そこで本研究では,マージン最大化により頑健性を高めるヒンジ損失を用いた新たな手法を提案した.MNISTおよびCelebAデータセットを用いた実験の結果,提案手法は生成画質を損なうことなく,BCEと比較して大容量かつ安定した透かし埋め込みが可能であることを実証した. |
| (英) |
With the rapid advancement of generative AI, protecting the intellectual property rights of trained models has become an urgent issue. In this study, we investigate a watermark embedding method for the weight parameters of VQ-VAE, a high-quality image generation model. Conventional watermarking approaches based on binary cross-entropy (BCE) loss suffer from limitations in embedding capacity and training stability. To address these issues, we propose a novel method using hinge loss, which enhances robustness through margin maximization. Experimental results on the MNIST and CelebA datasets demonstrate that the proposed method enables stable and high-capacity watermark embedding without degrading the quality of generated images, outperforming the BCE-based approach. |
| キーワード |
(和) |
VQ-VAE / 電子透かし / ヒンジ損失 / / / / / |
| (英) |
VQ-VAE / watermark / hinge loss / / / / / |
| 文献情報 |
信学技報, vol. 125, no. 396, EMM2025-123, pp. 36-40, 2026年3月. |
| 資料番号 |
EMM2025-123 |
| 発行日 |
2026-02-26 (EMM) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
EMM2025-123 |