Fugu-MT 論文翻訳(概要): Adversarial Example Generation using Evolutionary Multi-objective Optimization

論文の概要: Adversarial Example Generation using Evolutionary Multi-objective Optimization

arxiv url: http://arxiv.org/abs/2001.05844v1
Date: Mon, 30 Dec 2019 07:34:09 GMT
ステータス: 処理完了
システム内更新日: 2023-01-17 02:00:00.601864
Title: Adversarial Example Generation using Evolutionary Multi-objective Optimization
Title（参考訳）: 進化的多目的最適化を用いた逆例生成
Authors: Takahiro Suzuki, Shingo Takeshita, Satoshi Ono
Abstract要約: 提案手法は, 従来の2つのアプローチによるAE間の位置決めを含む様々な種類のAEを生成する。堅牢なAEを生成することができ、高解像度画像のためのDCTベースの勾配パターン生成、AEを生成することができる。
参考スコア（独自算出の注目度）: 0.5478764356647436
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes Evolutionary Multi-objective Optimization (EMO)-based Adversarial Example (AE) design method that performs under black-box setting. Previous gradient-based methods produce AEs by changing all pixels of a target image, while previous EC-based method changes small number of pixels to produce AEs. Thanks to EMO's property of population based-search, the proposed method produces various types of AEs involving ones locating between AEs generated by the previous two approaches, which helps to know the characteristics of a target model or to know unknown attack patterns. Experimental results showed the potential of the proposed method, e.g., it can generate robust AEs and, with the aid of DCT-based perturbation pattern generation, AEs for high resolution images.
Abstract（参考訳）: 本稿では,ブラックボックス設定下での進化的多目的最適化(EMO)に基づく適応例(AE)設計手法を提案する。従来の勾配法では、対象画像のすべてのピクセルを変更してAEを生成するのに対し、以前のEC法では少数のピクセルを変更してAEを生成する。提案手法は,EMOの個体群ベースサーベイの特性により,従来の2つのアプローチによるAE間の位置決めを含む様々な種類のAEを生成し,対象モデルの特徴や未知の攻撃パターンを知るのに役立つ。実験の結果,高分解能画像に対するDCTに基づく摂動パターン生成の助けを借りて,ロバストなAEを生成できるなど,提案手法の可能性が確認された。

関連論文リスト

Semantic-Aligned Adversarial Evolution Triangle for High-Transferability Vision-Language Attack [51.16384207202798]
視覚言語事前学習モデルは多モーダル逆例(AE)に対して脆弱である従来のアプローチでは、画像とテキストのペアを拡大して、敵対的なサンプル生成プロセス内での多様性を高めている。本稿では, 敵の多様性を高めるために, クリーン, ヒストリ, および現在の敵の例からなる敵の進化三角形からのサンプリングを提案する。
論文参考訳（メタデータ） (2024-11-04T23:07:51Z)
Few-Shot Image Generation by Conditional Relaxing Diffusion Inversion [37.18537753482751]
条件拡散緩和インバージョン(CRDI)は、合成画像生成における分布の多様性を高めるために設計されている。 CRDIはいくつかのサンプルに基づいた微調整を頼りにしていない。ターゲットの画像インスタンスの再構築と、数ショットの学習による多様性の拡大に重点を置いている。
論文参考訳（メタデータ） (2024-07-09T21:58:26Z)
Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。 NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文参考訳（メタデータ） (2023-05-31T16:31:24Z)
Inverse problem regularization with hierarchical variational autoencoders [6.257821009472099]
HVAE (hierarchical variational autoencoder) は不規則な逆問題に対して正規化するために提案される。 HVAEはどんな大きさの自然画像でも画像復元の問題を解決することができる。
論文参考訳（メタデータ） (2023-03-20T15:49:18Z)
Class-Specific Semantic Reconstruction for Open Set Recognition [101.24781422480406]
オープンセット認識により、ディープニューラルネットワーク(DNN)は未知のクラスのサンプルを識別できる。本稿では,自動エンコーダ(AE)とプロトタイプ学習を統合したCSSR(Class-Specific Semantic Reconstruction)を提案する。複数のデータセットで実験を行った結果,提案手法は閉集合認識と開集合認識の両方において優れた性能を発揮することがわかった。
論文参考訳（メタデータ） (2022-07-05T16:25:34Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
A Generic Approach for Enhancing GANs by Regularized Latent Optimization [79.00740660219256]
本稿では,事前学習したGANを効果的かつシームレスに拡張できる,エミュレーティブモデル推論と呼ばれる汎用フレームワークを提案する。我々の基本的な考え方は、ワッサーシュタイン勾配流法を用いて与えられた要求に対する最適潜時分布を効率的に推算することである。
論文参考訳（メタデータ） (2021-12-07T05:22:50Z)
Image Deformation Estimation via Multi-Objective Optimization [13.159751065619544]
自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。フィットネスランドスケープの複雑さのため,変形画像にモデルを直接適合させることは困難である。
論文参考訳（メタデータ） (2021-06-08T06:52:12Z)
Wide-angle Image Rectification: A Survey [86.36118799330802]
広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
論文参考訳（メタデータ） (2020-10-30T17:28:40Z)
Generating Adversarial Examples with an Optimized Quality [12.747258403133035]
ディープラーニングモデルは、Adversarial Examples(AE)に対して脆弱であり、これらのモデルを欺くために慎重に作られたサンプルである。近年の研究では、新たな敵攻撃法が導入されたが、工芸品の品質は保証されていない。本稿では,画像品質評価(IQA)メトリクスをAEの設計・生成プロセスに組み込む。
論文参考訳（メタデータ） (2020-06-30T23:05:12Z)
A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。また,カラー画像のセグメンテーションへの一般化についても論じる。
論文参考訳（メタデータ） (2020-05-09T09:35:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。