論文の概要: Nonlinear Discrete Optimisation of Reversible Steganographic Coding
- arxiv url: http://arxiv.org/abs/2202.13133v1
- Date: Sat, 26 Feb 2022 13:02:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-01 17:09:27.514804
- Title: Nonlinear Discrete Optimisation of Reversible Steganographic Coding
- Title（参考訳）: 可逆ステレオ符号化の非線形離散最適化
- Authors: Ching-Chun Chang
- Abstract要約: 立体歪みは、忠実度に敏感な状況では許容できないかもしれない。
本研究では,非線型離散最適化問題として可逆なステガノグラフ符号化を定式化する。
混合整数線形プログラミングを実現するために線形化技術が開発された。
- 参考スコア（独自算出の注目度）: 0.7614628596146599
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Authentication mechanisms are at the forefront of defending the world from
various types of cybercrime. Steganography can serve as an authentication
solution by embedding a digital signature into a carrier object to ensure the
integrity of the object and simultaneously lighten the burden of metadata
management. However, steganographic distortion, albeit generally imperceptible
to human sensory systems, might be inadmissible in fidelity-sensitive
situations. This has led to the concept of reversible steganography. A
fundamental element of reversible steganography is predictive analytics, for
which powerful neural network models have been effectively deployed. As another
core aspect, contemporary reversible steganographic coding is based primarily
on heuristics and therefore worth further study. While attempts have been made
to realise automatic coding with neural networks, perfect reversibility is
still unreachable via such an unexplainable intelligent machinery. Instead of
relying on deep learning, we aim to derive an optimal coding by means of
mathematical optimisation. In this study, we formulate reversible
steganographic coding as a nonlinear discrete optimisation problem with a
logarithmic capacity constraint and a quadratic distortion objective.
Linearisation techniques are developed to enable mixed-integer linear
programming. Experimental results validate the near-optimality of the proposed
optimisation algorithm benchmarked against a brute-force method.
- Abstract（参考訳）: 認証機構は、さまざまなタイプのサイバー犯罪から世界を守るための最前線にある。
ステレオグラフィーは、デジタル署名をキャリアオブジェクトに埋め込んでオブジェクトの整合性を確保し、同時にメタデータ管理の負担を軽減することによって認証ソリューションとして機能する。
しかし、人間の感覚システムには一般的に受容できないステガノグラフ歪みは、忠実度に敏感な状況では許容できない。
これは可逆的ステガノグラフィーの概念につながった。
可逆性ステガノグラフィの基本的な要素は、強力なニューラルネットワークモデルが効果的にデプロイされた予測分析である。
もう一つの中核的な側面として、現代の可逆性ステガノグラフィー符号化は、主にヒューリスティックスに基づいており、したがってさらなる研究に値する。
ニューラルネットワークによる自動コーディングを実現する試みは試みられているが、完全可逆性はまだ説明不能な知的な機械によって達成できない。
ディープラーニングに頼るのではなく、数学的最適化によって最適なコーディングを導出することを目指している。
本研究では,対数容量制約と二次歪目標を持つ非線形離散最適化問題として可逆性ステガノグラフィー符号化を定式化する。
混合整数線形プログラミングを実現するために線形化技術が開発された。
ブルートフォース法に対してベンチマークした最適化アルゴリズムの近似性を実験的に検証した。
関連論文リスト
- Model-Agnostic Zeroth-Order Policy Optimization for Meta-Learning of Ergodic Linear Quadratic Regulators [13.343937277604892]
エルゴード線形二次規制器における不確実性と不均一性を扱うためにメタラーニングを用いることの問題点について検討する。
本稿では,不均一だが類似の線形力学系を学習するタスクに適用可能なポリシヘシアンの推定を省略するアルゴリズムを提案する。
メタオブジェクトの勾配の有界性と滑らかさを解析することにより、正確な勾配降下過程の収束結果を提供する。
論文 参考訳（メタデータ） (2024-05-27T17:26:36Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-04-14T19:46:39Z) - Fundamental Limits of Two-layer Autoencoders, and Achieving Them with
Gradient Methods [91.54785981649228]
本稿では,非線形二層型オートエンコーダについて述べる。
本結果は,人口リスクの最小化要因を特徴付け,その最小化要因が勾配法によって達成されることを示す。
符号アクティベーション関数の特別な場合において、この解析は、シャローオートエンコーダによるガウス音源の損失圧縮の基本的な限界を確立する。
論文 参考訳（メタデータ） (2022-12-27T12:37:34Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳（メタデータ） (2022-03-29T21:00:39Z) - Less is More: Reversible Steganography with Uncertainty-Aware Predictive
Analytics [12.10752011938661]
残差変調はデジタル画像の最も高度な可逆的ステガノグラフィーアルゴリズムとして認識されている。
本稿では,予測不確実性を解析し,高いレベルの不確実性に遭遇した場合に,予測モジュールを停止するオプションを付与する。
論文 参考訳（メタデータ） (2022-02-05T09:04:50Z) - Predictive coding, precision and natural gradients [2.1601966913620325]
学習精度の高い階層型予測符号化ネットワークは,教師あり学習課題や教師なし学習課題を解くことができることを示す。
イメージ入力の教師なし自動符号化に適用すると、決定論的ネットワークは階層的に整理され、非絡み合った埋め込みを生成する。
論文 参考訳（メタデータ） (2021-11-12T21:05:03Z) - A Sparse Coding Interpretation of Neural Networks and Theoretical
Implications [0.0]
深層畳み込みニューラルネットワークは、様々なコンピュータビジョンタスクにおいて前例のない性能を達成した。
本稿では、ReLUアクティベーションを持つニューラルネットワークのスパース符号化解釈を提案する。
正規化やプーリングなしに完全な畳み込みニューラルネットワークを導出する。
論文 参考訳（メタデータ） (2021-08-14T21:54:47Z) - Deep Learning for Reversible Steganography: Principles and Insights [31.305695595971827]
可逆的ステガノグラフィーは 有望な研究パラダイムとして登場しました
最近のアプローチは、ステガノグラフィーシステムを作り、モジュールを独立して開発することである。
本稿では,モジュラー・フレームワークを検証し,可逆的なステガノグラフィー方式でディープ・ニューラルネットワークをデプロイする。
論文 参考訳（メタデータ） (2021-06-13T05:32:17Z) - Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。
アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。
本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
論文 参考訳（メタデータ） (2020-10-02T15:21:37Z) - MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。
形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
論文 参考訳（メタデータ） (2020-06-17T05:14:53Z) - Predictive Coding Approximates Backprop along Arbitrary Computation
Graphs [68.8204255655161]
我々は、コア機械学習アーキテクチャを予測的符号化に翻訳する戦略を開発する。
私たちのモデルは、挑戦的な機械学習ベンチマークのバックプロップと同等に機能します。
本手法は,ニューラルネットワークに標準機械学習アルゴリズムを直接実装できる可能性を高める。
論文 参考訳（メタデータ） (2020-06-07T15:35:47Z)
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。