Robust3DGSW: Quantization-Aware 3DGS Watermarking

首个量化感知 3DGS 水印，中频嵌入 + 渐进量化训练（CVPR 2026）

Overview

Robust3DGSW 直面 3DGS 水印在量化压缩场景下的生存挑战，提出首个量化感知水印框架。核心思路是绕开易被量化截断破坏的高/低频区域，在 3D DCT + 2D FFT 联合频域的中频带嵌入水印，并通过渐进式量化训练（8bit → 4bit）使水印信号在极端低比特量化下依然存活。

Key facts / claims

核心创新：
- 中频嵌入（3D DCT + 2D FFT）：先对高斯属性数据做 3D DCT 变换到频域，选取适合稳健嵌入的中频系数；再在 2D 渲染图上做 2D FFT 提取频域特征，形成双重频域约束
- 渐进量化训练（8→4 bit）：训练过程中逐步降低量化比特数（从 8bit → 6bit → 4bit），使水印信号渐进适应越来越粗糙的量化噪声
- 多尺度对抗扰动：在训练中施加多尺度对抗性噪声扰动，增强水印对各类攻击的鲁棒性
- 2D/3D 双解码器：同时从 2D 渲染图像和 3D 点云两个模态提取水印，互为补充提升提取准确率

实验结果：
- 4-bit 极端量化下 Bit Acc > 80%（首个突破该阈值的方案）
- 正常 8-bit 量化下 Bit Acc > 95%
- 抗常见攻击（JPEG 压缩、噪声添加、裁剪）表现稳定

劣势与漏洞

• 3D DCT + 2D FFT 的双域变换计算开销大，嵌入时间较长
• 渐进量化训练需要多阶段训练，调参复杂
• 对已有资产的后向兼容性——需要为现有 .ply 资产重新计算频域变换并嵌入

Related

• compmarkgs — CompMarkGS 抗 HAC 压缩水印（相关但更关注离散编码级量化）
• 3d-gsw — 3D-GSW 频率引导致密化
• guardsplat — GuardSplat SH偏移嵌入
• w2m — W2M 强化学习自适应水印
• mark4d — Mark4D 4DGS时序一致水印
• gaussianmarker — GaussianMarker 不确定性感知水印
• 3d-watermarking-overview — 3D 水印技术总览

Sources

• papernotes.org — Robust3DGSW 论文笔记
• CVPR 2026 OpenAccess