콘텐츠로 이동

Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models

CVPR(2024), 373 citation, Anhui Province Key Laboratory of Digital Security, Review Data: 2026.11.18

한 줄 요약

이 논문이 무엇을 해냈는지 한 문장으로.

흐름 내용
문제 기존 방법은 무엇을 못 하는가?
아이디어 이 논문은 그것을 어떻게 해결하는가?
결과 그래서 무엇이 좋아졌는가?


Figure 1. 전체 파이프라인 또는 대표 결과


1. 문제 정의 — 왜 이 논문이 필요한가

배경. 이 분야/태스크가 무엇이고 왜 중요한가.

기존 방법의 한계. 지금까지 어떻게 풀었고, 무엇이 아직 안 되는가.

이 논문의 접근. 한계를 어떤 관점으로 바라보고 해결하는가.

Note

Contributions 1. 첫 번째 기여 2. 두 번째 기여

2. 사전 지식

  • 개념 이름 — 한두 줄 설명. (관련 리뷰: DDIM)

3. 방법

3.1 전체 구조

3.2 핵심 구성 요소

Important

핵심 수식

\[\mathcal{L} = \mathbb{E}\left[\lVert \epsilon - \epsilon_\theta(x_t, t) \rVert^2\right]\]

각 항이 무엇을 의미하는지 한 줄씩

4. 실험

4.1 설정

항목 내용
Dataset
Metric
Baseline

4.2 주요 결과

4.3 Ablation

5. 정리

  • 한계 — 논문이 인정한 한계 / 내가 본 한계
  • 배운 점 — 이 논문에서 가져갈 아이디어
  • 연구 아이디어 — 내 연구에 적용해 볼 만한 것

6. 질문 & 메모

  • 아직 이해 못 한 부분, 확인해 볼 것

참고