The most significant choice for watermarking system is related with how to design the domain. For example, in the case of image watermarking, The transforms such as discrete cosine transform (DCT) or singular value decomposition (SVD) dominates the performance of the watermarking system. Similarly, expertises have designed the various transforms for 3D models and evaluated their robustness by experiment but no one has found representative transforms like DCT or SVD yet. In this paper, we tried to find an appropriate domain for 3D watermarking by setting possible attacks and 3D models. Namely, the domain was gained not by human experts but by the data and robustness condition. Convolutional neural network (CNN) was selected as an optimization tool.
3D 모델의 저작권을 보호하는 워터마킹 기법을 설계할 때는 어떠한 도메인을 선택하는지가 가장 중요한 문제이다. 예를 들어 이미지 워터마킹의 경우 이산 코사인 변환이나 특이값 분해와 같은 변환 방식이 워터마킹의 성능에 큰 영향을 주었다. 3D 모델에 대한 워터마킹 또한 비슷한 방식으로 전문가들이 특정 변환을 설계하고 실험하여 강인성을 평가하였다. 하지만 3D 모델에 대해서는 이미지 워터마킹에서 쓰이던 변환들 만큼 대표적인 변환이 아직 발견되지 않았다. 본 논문에서는 3D 모델들과 공격들을 설정하여 워터마킹에 적합한 도메인을 탐색하고자 하였다. 즉 전문가의 직관에 의해 설계된 변환이 아닌, 데이터와 강인성 조건 기반으로 도메인을 얻는다. 이 기법은 임의의 컨텐츠 형식과 임의의 공격에 확장 가능할 것이다. 컨볼루션 신경망이 최적화 과정에서 중요한 도구로 쓰였다.
