Can Protective Watermarking Safeguard the Copyright of 3D Gaussian Splatting?
作者: Wenkai Huang, Yijia Guo, Gaolei Li, Lei Ma, Hang Zhang, Liwen Hu, Jiazheng Wang, Jianhua Li, Tiejun Huang
分类: cs.CV
发布日期: 2026-04-07
💡 一句话要点
提出GSPure框架，有效去除3D高斯溅射水印并保持场景完整性
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 3D高斯溅射 水印去除 版权保护 几何特征聚类 渲染贡献分析
📋 核心要点
- 现有3D高斯溅射水印方案缺乏对恶意攻击的有效防御，无法保证3D资产的版权安全。
- GSPure框架通过分析渲染贡献和几何特征聚类，精确定位并移除水印相关的高斯图元。
- 实验表明GSPure能显著降低水印强度，同时保持场景质量，优于现有水印去除方法。
📝 摘要（中文）
3D高斯溅射(3DGS)作为一种强大的3D场景表示方法，因其卓越的效率和高保真视觉质量而被广泛采用。鉴于3DGS资产的重要价值，现有工作引入了专门的水印方案来确保版权保护和所有权验证。然而，现有的3D高斯水印方法能否真正保证对3D资产的强大保护？本文首次系统地探索和验证了3DGS水印框架可能存在的漏洞。我们证明了为2D图像设计的传统水印去除技术不能有效地推广到3DGS场景，这是由于专门的渲染管线和每个高斯图元的独特属性。受此启发，我们提出了GSPure，这是第一个专门为3DGS水印表示设计的水印净化框架。通过分析视角相关的渲染贡献和利用几何精确的特征聚类，GSPure精确地隔离并有效地去除与水印相关的高斯图元，同时保持场景完整性。大量实验表明，我们的GSPure实现了最佳的水印净化性能，将水印PSNR降低了高达16.34dB，同时最大限度地减少了对原始场景保真度的降级，损失小于1dB PSNR。此外，它在有效性和泛化性方面始终优于现有方法。
🔬 方法详解
问题定义：论文旨在解决3D高斯溅射(3DGS)水印的脆弱性问题。现有的3DGS水印方案容易受到攻击，无法有效保护3D资产的版权。传统的2D图像水印去除方法不能直接应用于3DGS，因为3DGS的渲染管线和高斯图元的特性与2D图像有很大差异。因此，需要专门针对3DGS的水印去除方法。
核心思路：论文的核心思路是利用3DGS的渲染特性和几何信息，精确定位并去除与水印相关的高斯图元，同时尽可能保持原始场景的视觉质量。通过分析视角相关的渲染贡献，可以确定哪些高斯图元对水印的贡献最大。利用几何特征聚类，可以将高斯图元分组，从而更容易识别和去除水印相关的高斯图元。
技术框架：GSPure框架主要包含以下几个阶段：1) 渲染贡献分析：分析每个高斯图元在不同视角下的渲染贡献，确定水印相关的高斯图元。2) 几何特征聚类：利用高斯图元的几何特征（如位置、颜色、法线等）进行聚类，将相似的高斯图元分组。3) 水印图元去除：根据渲染贡献分析和几何特征聚类的结果，选择性地去除水印相关的高斯图元。4) 场景优化：对去除水印后的场景进行优化，以提高视觉质量。
关键创新：GSPure的关键创新在于其专门针对3DGS水印去除的设计。与传统的2D图像水印去除方法不同，GSPure充分利用了3DGS的渲染特性和几何信息，能够更精确地定位和去除水印相关的高斯图元。此外，GSPure还采用了几何特征聚类的方法，可以更有效地识别和去除水印，同时保持场景的整体结构。
关键设计：在渲染贡献分析阶段，论文设计了一种基于视角采样的渲染贡献度量方法。在几何特征聚类阶段，论文采用了K-means聚类算法，并选择了位置、颜色和法线作为聚类特征。在水印图元去除阶段，论文设置了一个阈值，用于控制去除水印的强度。在场景优化阶段，论文采用了一种基于梯度下降的优化算法，以提高场景的视觉质量。
🖼️ 关键图片
📊 实验亮点
GSPure在水印去除方面表现出色，相较于现有方法，水印PSNR降低高达16.34dB，同时对原始场景的保真度影响极小，PSNR损失小于1dB。实验结果表明，GSPure在有效性和泛化性方面均优于现有方法，能够更好地保护3D高斯溅射场景的版权。
🎯 应用场景
该研究成果可应用于3D资产版权保护、数字内容安全等领域。例如，游戏公司可以使用该技术来保护其3D游戏模型，防止未经授权的复制和传播。电商平台可以使用该技术来保护其3D商品展示模型，防止竞争对手盗用。未来，该技术还可以应用于元宇宙等新兴领域，为虚拟资产的版权保护提供技术支持。
📄 摘要（原文）
3D Gaussian Splatting (3DGS) has emerged as a powerful representation for 3D scenes, widely adopted due to its exceptional efficiency and high-fidelity visual quality. Given the significant value of 3DGS assets, recent works have introduced specialized watermarking schemes to ensure copyright protection and ownership verification. However, can existing 3D Gaussian watermarking approaches genuinely guarantee robust protection of the 3D assets? In this paper, for the first time, we systematically explore and validate possible vulnerabilities of 3DGS watermarking frameworks. We demonstrate that conventional watermark removal techniques designed for 2D images do not effectively generalize to the 3DGS scenario due to the specialized rendering pipeline and unique attributes of each gaussian primitives. Motivated by this insight, we propose GSPure, the first watermark purification framework specifically for 3DGS watermarking representations. By analyzing view-dependent rendering contributions and exploiting geometrically accurate feature clustering, GSPure precisely isolates and effectively removes watermark-related Gaussian primitives while preserving scene integrity. Extensive experiments demonstrate that our GSPure achieves the best watermark purification performance, reducing watermark PSNR by up to 16.34dB while minimizing degradation to original scene fidelity with less than 1dB PSNR loss. Moreover, it consistently outperforms existing methods in both effectiveness and generalization. Our code is available atthis https URL.