論文の概要: From Image to Imuge: Immunized Image Generation
- arxiv url: http://arxiv.org/abs/2110.14196v1
- Date: Wed, 27 Oct 2021 05:56:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 02:24:57.482304
- Title: From Image to Imuge: Immunized Image Generation
- Title（参考訳）: 画像からイムゲへ:免疫画像生成
- Authors: Qichao Ying, Zhenxing Qian, Hang Zhou, Haisheng Xu, Xinpeng Zhang and
Siyi Li
- Abstract要約: イムゲ(Imuge)は、画像の自己回復のための画像改ざん耐性生成スキームである。
我々は、U-Netバックボンドエンコーダ、タンパーローカライゼーションネットワーク、イメージリカバリのためのデコーダを共同で訓練する。
本手法は, 種々の攻撃が存在するにも関わらず, 精度の高い改ざん領域の細部を復元できることを示す。
- 参考スコア（独自算出の注目度）: 23.430377385327308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Imuge, an image tamper resilient generative scheme for image
self-recovery. The traditional manner of concealing image content within the
image are inflexible and fragile to diverse digital attack, i.e. image cropping
and JPEG compression. To address this issue, we jointly train a U-Net backboned
encoder, a tamper localization network and a decoder for image recovery. Given
an original image, the encoder produces a visually indistinguishable immunized
image. At the recipient's side, the verifying network localizes the malicious
modifications, and the original content can be approximately recovered by the
decoder, despite the presence of the attacks. Several strategies are proposed
to boost the training efficiency. We demonstrate that our method can recover
the details of the tampered regions with a high quality despite the presence of
various kinds of attacks. Comprehensive ablation studies are conducted to
validate our network designs.
- Abstract（参考訳）: 我々は,画像自己回復のための画像改ざん耐性生成手法であるImugeを紹介する。
画像内の画像内容を隠蔽する従来の方法は、多様なデジタルアタック、すなわち画像のトリミングとJPEG圧縮に対して柔軟で脆弱である。
この問題に対処するため,u-netバックボーンエンコーダ,タンパー局在化ネットワーク,画像復元のためのデコーダを共同で訓練する。
原画像が与えられると、エンコーダは視覚的に識別不能な免疫画像を生成する。
受信側において、検証ネットワークは悪意のある修正をローカライズし、攻撃の有無にかかわらず、元のコンテンツはデコーダによってほぼ復元される。
訓練効率を高めるためのいくつかの戦略が提案されている。
本手法は,様々な攻撃が存在するにもかかわらず,改ざんされた領域の細部を高い品質で復元できることを実証する。
ネットワーク設計を検証するため,包括的アブレーション研究を行った。
関連論文リスト
- Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。
我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-06T03:03:28Z) - IMPRESS: Evaluating the Resilience of Imperceptible Perturbations
Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。
知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。
本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
論文 参考訳（メタデータ） (2023-10-30T03:33:41Z) - Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - Learning to Immunize Images for Tamper Localization and Self-Recovery [30.185576617722713]
画像免疫(いむげ)とは、自明な摂動を導入して画像を保護する技術である。
本稿では,画像免疫の強化手法であるImuge+について述べる。
論文 参考訳（メタデータ） (2022-10-28T05:16:56Z) - StyleGAN Encoder-Based Attack for Block Scrambled Face Images [14.505867475659276]
本稿では,スクランブルされた顔画像,特に Encryption-then-Compression (EtC) 適用画像のブロック手法を提案する。
暗号化された画像から同一の画像を復元する代わりに、暗号化された画像から識別可能な情報を明らかにするスタイルの復元に重点を置いている。
現状の攻撃方法はEtC画像から知覚情報を復元することはできないが,本手法では,髪の色,肌の色,眼鏡,性別などの個人識別情報を開示する。
論文 参考訳（メタデータ） (2022-09-16T14:12:39Z) - Robust Image Protection Countering Cropping Manipulation [30.185576617722713]
本稿では,イメージ・クロップ・ローカライゼーション・リカバリ(CLR-Net)のための新しいロバストな透かし方式を提案する。
我々はまず、知覚不能な摂動を導入して元のイメージを保護する。次に、典型的な画像処理後攻撃をシミュレートして、保護されたイメージを消去する。
受信者の側では、収穫マスクを予測し、元のイメージを復元する。
論文 参考訳（メタデータ） (2022-06-06T07:26:29Z) - Hiding Images into Images with Real-world Robustness [21.328984859163956]
高品質な画像抽出を実現しつつ,画像に隠蔽する生成ネットワーク方式を提案する。
埋め込みネットワークは、攻撃層、分離ネットワーク、画像抽出ネットワークと順次分離される。
私たちは3つの秘密のイメージをしっかりと隠した最初の人です。
論文 参考訳（メタデータ） (2021-10-12T02:20:34Z) - Image Transformation Network for Privacy-Preserving Deep Neural Networks
and Its Security Evaluation [17.134566958534634]
プライバシー保護DNNのための画像生成のための変換ネットワークを提案する。
提案するネットワークは,視覚情報を強く保護するだけでなく,画像を用いた画像分類精度の維持にも有効である。
論文 参考訳（メタデータ） (2020-08-07T12:58:45Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z) - In-Domain GAN Inversion for Real Image Editing [56.924323432048304]
トレーニング済みのGANジェネレータに実際のイメージを送出する一般的な方法は、遅延コードに戻すことである。
既存の反転法は、通常、画素値によってターゲット画像の再構成にフォーカスするが、反転したコードは元の潜伏空間のセマンティックドメインに着陸しない。
本稿では、入力画像を忠実に再構成し、変換されたコードが編集に意味のある意味を持つようにするためのドメイン内GAN逆変換手法を提案する。
論文 参考訳（メタデータ） (2020-03-31T18:20:18Z) - Exploiting Deep Generative Prior for Versatile Image Restoration and
Manipulation [181.08127307338654]
本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。
深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
論文 参考訳（メタデータ） (2020-03-30T17:45:07Z)
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。