跳到正文
原文
arXiv· arXiv:2512.07247· Ziming Hong, Tianyu Huang, Runnan Chen, Shanshan Ye, Mingming Gong, Bo Han, Tongliang Liu·本站收录· 原文发表

AdLift:把 2D 对抗扰动提升为 3D Gaussian Splatting 资产防护,抵御指令驱动编辑

AdLift: Lifting Adversarial Perturbations to Safeguard 3D Gaussian Splatting Assets Against Instruction-Driven Editing

AI 导读

AdLift 提出一种面向 3D Gaussian Splatting 的编辑防护方案(作者称是首个),把严格受限的 2D 对抗扰动提升为 3D Gaussian 表示的防护,阻止指令驱动编辑在任意视角与维度上生效。方法用改造的 Lifted PGD 在训练视角上交替执行梯度截断与图像到 Gaussian 拟合,将扰动写回 Gaussian 参数。定性与定量结果显示,它能抵御当前先进的指令驱动 2D 图像与 3DGS 编辑。

阅读原文ICML 2026