GaussianMarker: Uncertainty-Aware Copyright Protection of 3DGS

不确定性感知的双域水印保护（NeurIPS 2024）

Overview

GaussianMarker 首次实现从渲染的 2D 平面和物理点云资产(.ply)中双域无损恢复水印。利用 Hessian 矩阵估计每个高斯基元的渲染敏感度，对高不确定性基元进行致密化并嵌入水印噪声。

Key facts / claims

核心机制：
- 不确定性估计：利用 Hessian 矩阵计算每个预训练高斯椭球对最终渲染质量的敏感度
- 致密化嵌入：高不确定性区域被认为有更宽裕的容噪空间，对特定基元克隆/分裂，将微弱水印噪声编入 3D 位置及反射率参数
- 双域提取器：2D 图像提取器(HiDDeN)接收多视角 patch + 3D 点云提取器(PointNet)直接分析点云拓扑结构

实验结果（32-bit）：
- PSNR 36-40dB（极高隐蔽性）
- 无攻击 BitAcc > 99%
- 抗模型剪裁 20% 后 BitAcc 88.75%（所有方法中最强）
- 训练耗时约 6 分钟(RTX 4090)

劣势与漏洞

• 显存极其昂贵——对数百万高斯计算 Hessian 矩阵极易 OOM
• 高风险易定位性——水印集中在不确定性最高的基元中，攻击者可重新估计不确定性定点擦除

Related

• 3d-gsw — 3D-GSW 频率引导致密化（CVPR 2025）
• guardsplat — GuardSplat SH偏移嵌入（CVPR 2025）
• gspure-attack — GSPure 物理净化攻击
• 3d-watermarking-overview — 3D 水印技术总览

Sources

• 3DGSWatermarking.pdf — 2026-05-27