論文の概要: Access Control Using Spatially Invariant Permutation of Feature Maps for Semantic Segmentation Models

• arxiv url: http://arxiv.org/abs/2109.01332v1
• Date: Fri, 3 Sep 2021 06:23:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-06 20:38:47.937865
• Title: Access Control Using Spatially Invariant Permutation of Feature Maps for Semantic Segmentation Models
• Title（参考訳）: 意味セグメンテーションモデルのための特徴マップの空間不変置換を用いたアクセス制御
• Authors: Hiroki Ito, MaungMaung AprilPyone, Hitoshi Kiya
• Abstract要約: セグメンテーションモデルを保護する秘密鍵を用いた特徴写像の空間不変な置換を用いたアクセス制御手法を提案する。 提案手法により,適切なキーを持つユーザに対して,モデルにフルキャパシティにアクセスできるだけでなく,不正なユーザに対して性能を劣化させることが可能となる。
• 参考スコア（独自算出の注目度）: 13.106063755117399
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose an access control method that uses the spatially invariant permutation of feature maps with a secret key for protecting semantic segmentation models. Segmentation models are trained and tested by permuting selected feature maps with a secret key. The proposed method allows rightful users with the correct key not only to access a model to full capacity but also to degrade the performance for unauthorized users. Conventional access control methods have focused only on image classification tasks, and these methods have never been applied to semantic segmentation tasks. In an experiment, the protected models were demonstrated to allow rightful users to obtain almost the same performance as that of non-protected models but also to be robust against access by unauthorized users without a key. In addition, a conventional method with block-wise transformations was also verified to have degraded performance under semantic segmentation models.
• Abstract（参考訳）: 本稿では,セマンティックセグメンテーションモデルを保護する秘密鍵を用いた特徴写像の空間不変な置換を用いたアクセス制御手法を提案する。 セグメンテーションモデルは、秘密鍵で選択された特徴マップを置換することによって訓練され、テストされる。 提案手法により,適切なキーを持つユーザに対して,モデルにフルキャパシティにアクセスできるだけでなく,不正なユーザに対して性能を低下させることができる。 従来のアクセス制御手法は画像分類タスクのみに焦点を当てており、これらの方法は意味セグメンテーションタスクには適用されていない。 実験では、保護されたモデルにより、適切なユーザーが保護されていないモデルとほぼ同じ性能を得られるだけでなく、キーのない不正なユーザーによるアクセスに対して堅牢であることを示した。 また,従来のブロックワイズ変換法では,セマンティクスセグメンテーションモデルでは性能が低下することが確認された。

関連論文リスト

• Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection [75.02249869573994]
  オープンセットのシナリオでは、ラベルなしデータセットには、イン・ディストリビューション(ID)クラスとアウト・オブ・ディストリビューション(OOD)クラスの両方が含まれている。 このような設定で半教師付き検出器を適用すると、OODクラスをIDクラスとして誤分類する可能性がある。 我々は、CFL-Detector(Collaborative Feature-Logits Detector)と呼ばれるシンプルで効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-11-20T02:57:35Z)
• PDiscoNet: Semantically consistent part discovery for fine-grained recognition [62.12602920807109]
  画像レベルのクラスラベルのみを用いて,対象部品の発見を推奨する先行情報とともにPDiscoNetを提案する。 CUB,CelebA,PartImageNet で得られた結果から,提案手法は従来手法よりもかなり優れた部分発見性能が得られることがわかった。
  論文  参考訳（メタデータ） (2023-09-06T17:19:29Z)
• Learning Context-aware Classifier for Semantic Segmentation [88.88198210948426]
  本稿では,文脈認識型分類器の学習を通じて文脈ヒントを利用する。 本手法はモデルに依存しないため,ジェネリックセグメンテーションモデルにも容易に適用できる。 無視できる追加パラメータと+2%の推論時間だけで、小型モデルと大型モデルの両方で十分な性能向上が達成されている。
  論文  参考訳（メタデータ） (2023-03-21T07:00:35Z)
• Contrastive Model Adaptation for Cross-Condition Robustness in Semantic Segmentation [58.17907376475596]
  意味的セグメンテーションのための正規-逆条件モデル適応について検討する。 提案手法は, コントラスト学習を通じて条件不変の特徴を学習するために, このような画像ペアを利用する。 いくつかの正規-逆適応ベンチマークにおけるモデル適応のための最先端セマンティックセマンティックセマンティクス性能を実現する。
  論文  参考訳（メタデータ） (2023-03-09T11:48:29Z)
• Access Control with Encrypted Feature Maps for Object Detection Models [10.925242558525683]
  本稿では,オブジェクト検出モデルのための秘密鍵を用いたアクセス制御手法を提案する。 選択された特徴マップは、モデルのトレーニングとテストのための秘密鍵で暗号化される。 実験では、保護されたモデルにより、許可されたユーザーが保護されていないモデルとほぼ同じ性能を得られるようにした。
  論文  参考訳（メタデータ） (2022-09-29T14:46:04Z)
• An Access Control Method with Secret Key for Semantic Segmentation Models [12.27887776401573]
  非許可アクセスからモデルを保護するために,秘密鍵を用いた新しいアクセス制御法を提案する。 セグメンテーション変換器(SETR)と呼ばれる視覚変換器(ViT)を用いたセグメンテーションモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2022-08-28T04:09:36Z)
• Access Control of Semantic Segmentation Models Using Encrypted Feature Maps [12.29209267739635]
  セマンティックセグメンテーションモデルのための秘密鍵を用いたアクセス制御手法を提案する。 選択された特徴マップは、モデルのトレーニングとテストのための秘密鍵で暗号化される。 実験では、保護されたモデルにより、許可されたユーザーが保護されていないモデルとほぼ同じ性能を得られるようにした。
  論文  参考訳（メタデータ） (2022-06-11T05:02:01Z)
• Access Control of Object Detection Models Using Encrypted Feature Maps [10.925242558525683]
  本稿では,オブジェクト検出モデルに対するアクセス制御手法を提案する。 暗号化された画像や暗号化された特徴マップの使用は、不正アクセスからモデルのアクセス制御に有効であることが示されている。
  論文  参考訳（メタデータ） (2022-02-01T07:52:38Z)
• Attribute-specific Control Units in StyleGAN for Fine-grained Image Manipulation [57.99007520795998]
  特徴マップと変調スタイルの複数のチャネルからなる属性固有制御ユニットを探索する。 具体的には、制御ユニット内の変調スタイルのチャネルと特徴マップを協調的に操作し、意味的および空間的不整合制御を得る。 我々は、特定のスパース方向ベクトルに沿って変調スタイルを移動させ、これらの制御ユニットを操作するために特徴マップを計算するために使用されるフィルタワイズスタイルを置き換える。
  論文  参考訳（メタデータ） (2021-11-25T10:42:10Z)
• A Prototype-Oriented Framework for Unsupervised Domain Adaptation [52.25537670028037]
  メモリと計算効率のよい確率的フレームワークを提供し、クラスプロトタイプを抽出し、ターゲットとなる特徴をそれらと整合させる。 本稿では,単一ソース,マルチソース,クラス不均衡,ソースプライベートドメイン適応など,幅広いシナリオにおいて,本手法の汎用性を実証する。
  論文  参考訳（メタデータ） (2021-10-22T19:23:22Z)
• Protecting Semantic Segmentation Models by Using Block-wise Image Encryption with Secret Key from Unauthorized Access [13.106063755117399]
  秘密鍵を用いたブロックワイズ変換を利用して,セマンティックセグメンテーションモデルを不正アクセスから保護することを提案する。 実験の結果,提案手法により,適切なキーを持つ適切なユーザに対して,モデルにフル容量でアクセスし,不正ユーザの性能を低下させることができることがわかった。
  論文  参考訳（メタデータ） (2021-07-20T09:31:15Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。