Fugu-MT 論文翻訳(概要): An Access Control Method with Secret Key for Semantic Segmentation Models

論文の概要: An Access Control Method with Secret Key for Semantic Segmentation Models

arxiv url: http://arxiv.org/abs/2208.13135v1
Date: Sun, 28 Aug 2022 04:09:36 GMT
ステータス: 処理完了
システム内更新日: 2022-08-30 13:34:48.168445
Title: An Access Control Method with Secret Key for Semantic Segmentation Models
Title（参考訳）: 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法
Authors: Teru Nagamori, Ryota Iijima, Hitoshi Kiya
Abstract要約: 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。
参考スコア（独自算出の注目度）: 12.27887776401573
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A novel method for access control with a secret key is proposed to protect models from unauthorized access in this paper. We focus on semantic segmentation models with the vision transformer (ViT), called segmentation transformer (SETR). Most existing access control methods focus on image classification tasks, or they are limited to CNNs. By using a patch embedding structure that ViT has, trained models and test images can be efficiently encrypted with a secret key, and then semantic segmentation tasks are carried out in the encrypted domain. In an experiment, the method is confirmed to provide the same accuracy as that of using plain images without any encryption to authorized users with a correct key and also to provide an extremely degraded accuracy to unauthorized users.
Abstract（参考訳）: 本稿では,シークレット鍵を用いた新たなアクセス制御手法を提案する。本研究では,視覚変換器 (ViT) を用いたセグメンテーションモデルであるセグメンテーション変換器 (SETR) に着目した。既存のアクセス制御手法の多くは、画像分類タスクに焦点を当てている。 ViTが保有するパッチ埋め込み構造を用いることで、トレーニング済みモデルとテストイメージを秘密鍵で効率的に暗号化し、セマンティックセグメンテーションタスクを暗号化ドメインで実行することができる。実験では、正当な鍵を持つ認証ユーザに対して、暗号化無しでプレーンイメージを使用する方法と同等の精度を提供するとともに、不正ユーザに対して極めて劣化した精度を提供する。

関連論文リスト

Disposable-key-based image encryption for collaborative learning of Vision Transformer [5.762345156477736]
本稿では,プライバシ保護フェデレーション学習と同様に,複数のクライアントから機密データを共有して視覚変換器(ViT)をセキュアに訓練する手法を提案する。提案手法では,各クライアントが個別に,各クライアントが暗号化キーを作成できるように,トレーニングイメージを個別に暗号化し,これらの暗号化イメージを初めて使用することにより,ViTをトレーニングする。
論文参考訳（メタデータ） (2024-08-11T09:55:37Z)
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)
Improving Adversarial Robustness of Masked Autoencoders via Test-time Frequency-domain Prompting [133.55037976429088]
BERTプリトレーニング(BEiT, MAE)を備えた視覚変換器の対向ロバスト性について検討する。意外な観察は、MAEが他のBERT事前訓練法よりも敵の頑健さが著しく悪いことである。我々は,MAEの対角的堅牢性を高めるための,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） (2023-08-20T16:27:17Z)
Learning Open-vocabulary Semantic Segmentation Models From Natural Language Supervision [49.905448429974804]
オープン語彙セマンティックセマンティックセグメンテーション(OVS)は,事前に定義された閉集合のカテゴリではなく,任意のクラスのオブジェクトをセグメンテーションすることを目的としている。 OVSegmentorと呼ばれるOVSのトランスフォーマーベースモデルを提案する。プレトレーニングには3%のデータ(4M vs 134M)のみを用いることで,最先端手法よりも優れたセグメンテーション結果が得られる。
論文参考訳（メタデータ） (2023-01-22T13:10:05Z)
Location-Aware Self-Supervised Transformers [74.76585889813207]
画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
論文参考訳（メタデータ） (2022-12-05T16:24:29Z)
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)
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)
Simple Open-Vocabulary Object Detection with Vision Transformers [51.57562920090721]
本稿では,画像テキストモデルをオープン語彙オブジェクト検出に転送するための強力なレシピを提案する。我々は、最小限の修正、コントラスト的な画像テキスト事前学習、エンドツーエンド検出細調整を備えた標準のVision Transformerアーキテクチャを使用する。我々は、ゼロショットテキスト条件とワンショット画像条件オブジェクト検出において、非常に強力な性能を達成するために必要な適応戦略と正規化を提供する。
論文参考訳（メタデータ） (2022-05-12T17:20:36Z)
Protection of SVM Model with Secret Key from Unauthorized Access [13.106063755117399]
本稿では,ベクトルマシン(SVM)モデルをサポートする秘密鍵を用いたブロックワイズ画像変換手法を提案する。変換された画像を使用することでトレーニングされたモデルは、キーのない未許可のユーザにはパフォーマンスが悪く、キーを持った認証されたユーザには高いパフォーマンスを提供することができる。
論文参考訳（メタデータ） (2021-11-17T06:41:51Z)
Access Control Using Spatially Invariant Permutation of Feature Maps for Semantic Segmentation Models [13.106063755117399]
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。
論文参考訳（メタデータ） (2021-09-03T06:23:42Z)
End-to-End Object Detection with Transformers [88.06357745922716]
本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
論文参考訳（メタデータ） (2020-05-26T17:06:38Z)

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。