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