GS-Checker: Tampering Localization for 3D Gaussian Splatting

📄 arXiv: 2511.20354v1 📥 PDF

作者: Haoliang Han, Ziyuan Luo, Jun Qi, Anderson Rocha, Renjie Wan

分类: cs.CV

发布日期: 2025-11-25

备注: Accepted by AAAI2026

💡 一句话要点

GS-Checker：提出3D高斯溅射篡改定位方法，保障3D内容安全

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知 (Perception & SLAM)

关键词: 3D高斯溅射 篡改检测 篡改定位 对比学习 循环优化

📋 核心要点

  1. 现有3DGS编辑技术易被滥用，缺乏有效的篡改检测手段，对3D内容安全构成威胁。
  2. GS-Checker通过将篡改属性融入3D高斯参数，并结合3D对比机制，无需3D标签即可定位篡改区域。
  3. 实验结果表明，GS-Checker能够有效定位3DGS模型中的篡改区域，提升了3D内容的可信度。

📝 摘要（中文）

随着3D高斯溅射(3DGS)编辑技术的快速发展，3D场景的篡改变得更加容易。为了避免潜在的恶意篡改，定位被篡改的区域至关重要。本文提出了一种新的方法GS-Checker，用于定位3DGS模型中被篡改的区域。该方法将3D篡改属性集成到3D高斯参数中，以指示高斯是否被篡改。此外，通过比较3D高斯之间关键属性的相似性，设计了一种3D对比机制，以寻找3D层面的篡改线索。进一步，引入循环优化策略来细化3D篡改属性，从而实现更精确的篡改定位。值得注意的是，该方法不需要昂贵的3D标签进行监督。大量的实验结果表明，该方法能够有效地定位被篡改的3DGS区域。

🔬 方法详解

问题定义：当前3D高斯溅射（3DGS）编辑技术日趋成熟，但也带来了潜在的安全风险，即3D场景容易被恶意篡改。现有的方法缺乏有效的篡改检测机制，难以定位被篡改的区域，从而无法保证3D内容的真实性和完整性。因此，如何准确、高效地定位3DGS模型中的篡改区域是一个亟待解决的问题。

核心思路：GS-Checker的核心思路是将篡改检测问题转化为一个属性预测问题。具体来说，为每个3D高斯引入一个篡改属性，用于指示该高斯是否被篡改。通过学习这些篡改属性，可以实现对篡改区域的定位。此外，利用3D高斯之间的关系，设计了一种3D对比机制，以增强篡改线索，提高检测精度。

技术框架：GS-Checker的整体框架主要包括以下几个步骤：1) 初始化篡改属性：为每个3D高斯初始化一个篡改属性，可以随机初始化或使用启发式方法。2) 3D对比学习：通过比较3D高斯之间关键属性的相似性，学习篡改线索。具体来说，可以构建正负样本对，并使用对比损失函数进行训练。3) 循环优化：通过循环优化策略，不断细化3D篡改属性，提高篡改定位的精度。4) 篡改定位：根据学习到的篡改属性，定位被篡改的3DGS区域。

关键创新：GS-Checker的关键创新在于以下几个方面：1) 3D篡改属性：首次将篡改属性引入3D高斯参数中，为篡改检测提供了一种新的思路。2) 3D对比机制：通过比较3D高斯之间的关系，增强篡改线索，提高检测精度。3) 循环优化策略：通过循环优化，不断细化篡改属性，提高篡改定位的精度。与现有方法相比，GS-Checker无需昂贵的3D标签进行监督，具有更强的实用性。

关键设计：在3D对比学习中，关键在于如何构建正负样本对。正样本对可以是相邻的、具有相似属性的3D高斯，负样本对可以是距离较远的、属性差异较大的3D高斯。对比损失函数可以使用InfoNCE损失等。循环优化策略可以通过迭代更新篡改属性来实现，每次迭代可以使用梯度下降等优化算法。

📊 实验亮点

GS-Checker在多个3DGS数据集上进行了实验，结果表明该方法能够有效地定位被篡改的区域。与现有的方法相比，GS-Checker在篡改定位精度方面取得了显著的提升，并且无需昂贵的3D标签进行监督。具体的性能数据（如IoU、F1-score等）在论文中进行了详细的展示和分析。

🎯 应用场景

GS-Checker在数字内容安全领域具有广泛的应用前景。它可以用于检测和定位3D游戏、虚拟现实、增强现实等应用中的恶意篡改，保障用户体验和数据安全。此外，该方法还可以应用于3D模型版权保护、数字取证等领域，维护创作者的权益，打击盗版行为。未来，GS-Checker有望成为3D内容安全的重要组成部分。

📄 摘要（原文）

Recent advances in editing technologies for 3D Gaussian Splatting (3DGS) have made it simple to manipulate 3D scenes. However, these technologies raise concerns about potential malicious manipulation of 3D content. To avoid such malicious applications, localizing tampered regions becomes crucial. In this paper, we propose GS-Checker, a novel method for locating tampered areas in 3DGS models. Our approach integrates a 3D tampering attribute into the 3D Gaussian parameters to indicate whether the Gaussian has been tampered. Additionally, we design a 3D contrastive mechanism by comparing the similarity of key attributes between 3D Gaussians to seek tampering cues at 3D level. Furthermore, we introduce a cyclic optimization strategy to refine the 3D tampering attribute, enabling more accurate tampering localization. Notably, our approach does not require expensive 3D labels for supervision. Extensive experimental results demonstrate the effectiveness of our proposed method to locate the tampered 3DGS area.