属性空間トラップによって不正なファインチューニングから3Dガウス生成モデルを免疫化する
arXiv cs.CV / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、事前学習済み重みを用いた公開3D生成モデルに対して、攻撃者がそれらをファインチューニングして専門的な知識を抽出し、潜在的にIP（知的財産）を侵害し得るというセキュリティ上のリスクを指摘する。
- 先行研究が2Dや言語モデルに対する防御に焦点を当てていたのとは異なり、本研究は、3Dガウス表現は構造パラメータを勾配ベースのファインチューニングに対して直接的に晒してしまうため、専門的な保護が必要だと主張する。
- 図るべき対策として、GaussLockと呼ばれる軽量なパラメータ空間の「免疫化」手法を提案する。これは、許可された蒸留（distillation）と、位置・スケール・回転・不透明度・色といった属性を考慮したトラップ損失を組み合わせる。
- トラップ損失は、空間分布の崩壊やプリミティブの可視性の抑制といった形で、モデルの基盤となる構造的整合性を体系的に低下させ、不正な再構成を妨害するよう設計されている。
- 大規模なガウスモデルでの実験により、GaussLockが不正なファインチューニングを実質的に無力化することが示される。不正な再構成の品質は悪化する（LPIPSの上昇、PSNRの低下）が、許可されたファインチューニング課題での性能は維持される。
