Fugu-MT 論文翻訳(概要): A Privacy Preserving Method with a Random Orthogonal Matrix for ConvMixer Models

論文の概要: A Privacy Preserving Method with a Random Orthogonal Matrix for ConvMixer Models

arxiv url: http://arxiv.org/abs/2301.03843v1
Date: Tue, 10 Jan 2023 08:21:19 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 16:55:09.384969
Title: A Privacy Preserving Method with a Random Orthogonal Matrix for ConvMixer Models
Title（参考訳）: ConvMixer モデルのためのランダム直交行列を用いたプライバシー保護手法
Authors: Rei Aso, Tatsuya Chuman and Hitoshi Kiya
Abstract要約: ConvMixerモデルを用いて,プライバシ保護画像分類手法を提案する。提案手法では,プライバシ保護を考慮せずに,ConvMixerモデルと同じ分類精度を利用できる。
参考スコア（独自算出の注目度）: 13.653940190782146
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, a privacy preserving image classification method is proposed under the use of ConvMixer models. To protect the visual information of test images, a test image is divided into blocks, and then every block is encrypted by using a random orthogonal matrix. Moreover, a ConvMixer model trained with plain images is transformed by the random orthogonal matrix used for encrypting test images, on the basis of the embedding structure of ConvMixer. The proposed method allows us not only to use the same classification accuracy as that of ConvMixer models without considering privacy protection but to also enhance robustness against various attacks compared to conventional privacy-preserving learning.
Abstract（参考訳）: 本稿では,ConvMixerモデルを用いて,プライバシ保護画像分類手法を提案する。テスト画像の視覚情報を保護するため、テスト画像はブロックに分割され、各ブロックはランダム直交行列を用いて暗号化される。また、試験画像の暗号化に用いられるランダム直交行列により、convmixerの埋め込み構造に基づいて、プレーンイメージで訓練されたconvmixerモデルが変換される。提案手法は,プライバシ保護を考慮せずに,コンブミキサーモデルと同じ分類精度を用いるだけでなく,従来のプライバシ保存学習と比較して各種攻撃に対する頑健性を高める。

関連論文リスト

Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning [54.30994558765057]
この研究は、データ共有とモデル公開の間、画像データのプライバシーを同時に保護する包括的なプライバシー保護フレームワークのパイオニアだ。本稿では、生成機械学習モデルを用いて属性レベルで画像情報を修正するインタラクティブな画像プライバシー保護フレームワークを提案する。本フレームワークでは、画像中の属性情報を保護する差分プライバシー拡散モデルと、修正された画像データセット上でトレーニングされたモデルの効率的な更新を行う特徴未学習アルゴリズムの2つのモジュールをインスタンス化する。
論文参考訳（メタデータ） (2024-09-05T07:55:55Z)
Privacy-Preserving Vision Transformer Using Images Encrypted with Restricted Random Permutation Matrices [5.311735227179715]
本稿では,暗号化画像を用いたプライバシー保護型微調整型視覚変換器(ViT)を提案する。従来の暗号化画像を用いた手法では,画像暗号化の影響により,通常の画像に比べてモデル性能が低下していた。
論文参考訳（メタデータ） (2024-08-16T04:57:21Z)
PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文参考訳（メタデータ） (2023-07-18T10:55:54Z)
Not All Image Regions Matter: Masked Vector Quantization for Autoregressive Image Generation [78.13793505707952]
既存の自己回帰モデルは、まず画像再構成のための潜伏空間のコードブックを学習し、学習したコードブックに基づいて自己回帰的に画像生成を完了する2段階生成パラダイムに従っている。そこで本研究では,Masked Quantization VAE (MQ-VAE) Stackモデルを用いた2段階フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-23T02:15:53Z)
Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
論文参考訳（メタデータ） (2023-03-12T05:28:55Z)
Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
論文参考訳（メタデータ） (2023-03-06T11:51:28Z)
MaskSketch: Unpaired Structure-guided Masked Image Generation [56.88038469743742]
MaskSketchは、サンプリング中の余分な条件信号としてガイドスケッチを使用して生成結果の空間的条件付けを可能にする画像生成方法である。マスク付き生成変換器の中間自己アテンションマップが入力画像の重要な構造情報を符号化していることを示す。以上の結果から,MaskSketchは誘導構造に対する高画像リアリズムと忠実性を実現する。
論文参考訳（メタデータ） (2023-02-10T20:27:02Z)
Privacy-Preserving Image Classification Using ConvMixer with Adaptive Permutation Matrix [13.890279045382623]
本稿では,ConvMixer構造を用いた暗号化画像を用いたプライバシー保護画像分類手法を提案する。適応ネットワークを用いた従来の手法では,大きな画像は適用できない。本研究では,適応ネットワークを使わずに,ブロックワイズされた画像をConvMixerに適用できる新しい手法を提案する。
論文参考訳（メタデータ） (2022-08-04T09:55:31Z)
An Encryption Method of ConvMixer Models without Performance Degradation [14.505867475659276]
本稿では秘密鍵を用いたConvMixerモデルの暗号化手法を提案する。本手法の有効性を,分類精度とモデル保護の観点から評価した。
論文参考訳（メタデータ） (2022-07-25T07:09:16Z)
Privacy-Preserving Image Classification Using Vision Transformer [16.679394807198]
暗号化画像と視覚変換器(ViT)を組み合わせたプライバシー保護画像分類手法を提案する。 ViTは画像パッチにパッチ埋め込みと位置埋め込みを利用するため、このアーキテクチャはブロックワイド画像変換の影響を低減することができる。実験では,様々な攻撃に対する分類精度とロバスト性の観点から,プライバシー保護画像分類の手法が最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2022-05-24T12:51:48Z)
Privacy-Preserving Image Classification Using Isotropic Network [14.505867475659276]
本稿では,暗号化画像と視覚変換器などの等方性ネットワークを用いたプライバシー保護画像分類手法を提案する。提案手法では,深層ニューラルネットワーク(DNN)に視覚情報のない画像を適用するだけでなく,高い分類精度を維持することができる。
論文参考訳（メタデータ） (2022-04-16T03:15:54Z)

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。