論文の概要: Steganography for Neural Radiance Fields by Backdooring

• arxiv url: http://arxiv.org/abs/2309.10503v1
• Date: Tue, 19 Sep 2023 10:27:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 04:20:31.630344
• Title: Steganography for Neural Radiance Fields by Backdooring
• Title（参考訳）: バックドアによるニューラルラジアンスフィールドのステガノグラフィ
• Authors: Weina Dong, Jia Liu, Yan Ke, Lifeng Chen, Wenquan Sun, Xiaozhong Pan,
• Abstract要約: 暗黙的ニューラル表現を用いた新しいモデルステガノグラフィー手法を提案する。 NeRFモデルは、バックドアとして機能する秘密の視点画像を生成する。 我々は、秘密のメッセージと秘密の視点画像との1対1のマッピングを確立するために、オーバーフィッティングを用いてメッセージ抽出器を訓練する。
• 参考スコア（独自算出の注目度）: 6.29495604869364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The utilization of implicit representation for visual data (such as images, videos, and 3D models) has recently gained significant attention in computer vision research. In this letter, we propose a novel model steganography scheme with implicit neural representation. The message sender leverages Neural Radiance Fields (NeRF) and its viewpoint synthesis capabilities by introducing a viewpoint as a key. The NeRF model generates a secret viewpoint image, which serves as a backdoor. Subsequently, we train a message extractor using overfitting to establish a one-to-one mapping between the secret message and the secret viewpoint image. The sender delivers the trained NeRF model and the message extractor to the receiver over the open channel, and the receiver utilizes the key shared by both parties to obtain the rendered image in the secret view from the NeRF model, and then obtains the secret message through the message extractor. The inherent complexity of the viewpoint information prevents attackers from stealing the secret message accurately. Experimental results demonstrate that the message extractor trained in this letter achieves high-capacity steganography with fast performance, achieving a 100\% accuracy in message extraction. Furthermore, the extensive viewpoint key space of NeRF ensures the security of the steganography scheme.
• Abstract（参考訳）: 近年,視覚情報(画像,ビデオ,3Dモデルなど)に対する暗黙の表現の利用がコンピュータビジョン研究において注目されている。 本稿では,暗黙的ニューラル表現を用いた新しいモデルステガノグラフィー手法を提案する。 メッセージ送信者は、視点をキーとして導入することにより、NeRF(Neural Radiance Fields)とその視点合成機能を活用する。 NeRFモデルは、バックドアとして機能する秘密の視点画像を生成する。 その後、オーバーフィッティングを用いてメッセージ抽出器を訓練し、秘密メッセージと秘密視点画像との1対1のマッピングを確立する。 送信者は、訓練されたNeRFモデルとメッセージ抽出装置をオープンチャネルを介して受信者に配信し、受信者は、双方が共有する鍵を利用して、NeRFモデルから秘密ビューのレンダリング画像を取得し、メッセージ抽出装置を介して秘密メッセージを取得する。 視点情報の固有の複雑さは、攻撃者が秘密のメッセージを正確に盗むのを防ぐ。 実験結果から, この文字で訓練したメッセージ抽出器は, 高容量のステガノグラフィーを高速に実現し, メッセージ抽出の精度を100%向上することがわかった。 さらに、NeRFの広い視点鍵空間は、ステガノグラフィースキームの安全性を保証する。

関連論文リスト

• See then Tell: Enhancing Key Information Extraction with Vision Grounding [54.061203106565706]
  STNet(See then Tell Net)は,視覚基盤の正確な答えを提供するために設計された,新しいエンドツーエンドモデルである。 モデルの可視性を高めるため、広範囲に構造化されたテーブル認識データセットを収集する。
  論文  参考訳（メタデータ） (2024-09-29T06:21:05Z)
• Cover-separable Fixed Neural Network Steganography via Deep Generative Models [37.08937194546323]
  我々は、Cs-FNNSという、カバー分離可能な固定ニューラルネットワークステレオグラフィーを提案する。 Cs-FNNSでは,シークレットデータを受容不能な摂動に直接エンコードするSPSアルゴリズムを提案する。 本稿では,視覚的品質と非検出性の観点から,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-16T05:47:06Z)
• Image steganography based on generative implicit neural representation [2.2972561982722346]
  本稿では,生成的暗黙的神経表現に基づく画像ステガノグラフィーを提案する。 ニューラルネットワークをメッセージ抽出器として固定することにより、トレーニング負荷を画像自体に効果的にリダイレクトする。 メッセージ抽出の精度は、100%の印象的なマークを得た。
  論文  参考訳（メタデータ） (2024-06-04T03:00:47Z)
• 3D Visibility-aware Generalizable Neural Radiance Fields for Interacting Hands [51.305421495638434]
  ニューラル放射場(NeRF)は、シーン、オブジェクト、人間の3D表現を約束する。 本稿では,手動操作のための一般化可能な視認可能なNeRFフレームワークを提案する。 Interhand2.6Mデータセットの実験により、提案したVA-NeRFは従来のNeRFよりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2024-01-02T00:42:06Z)
• Hiding Functions within Functions: Steganography by Implicit Neural Representations [9.630341407412729]
  我々はステガノグラフィーを実装するStegaINRを提案する。 StegaINRはシークレット機能をステゴ機能に組み込み、メッセージ抽出器とステゴメディアの両方として機能する。 我々の知る限り、これは脳波をステガノグラフィーに導入する最初の試みである。
  論文  参考訳（メタデータ） (2023-12-07T22:55:48Z)
• StegaNeRF: Embedding Invisible Information within Neural Radiance Fields [61.653702733061785]
  我々は、NeRFレンダリングにステガノグラフィー情報を埋め込む方法であるStegaNeRFを提案する。 我々は、NeRFで描画された画像から正確な隠れ情報抽出を可能にする最適化フレームワークを設計する。 StegaNeRFは、NeRFレンダリングにカスタマイズ可能で、認識不能で、回復不能な情報を注入する新しい問題に対する最初の調査である。
  論文  参考訳（メタデータ） (2022-12-03T12:14:19Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• Deniable Steganography [30.729865153060985]
  ステガノグラフィーは秘密メッセージを隠蔽媒体に隠蔽し、疑念を起こさずに公共チャンネルに送信できるステゴメディアを生成する。 その対策として、ステガナリシスは主に、秘密メッセージが所定のメディアに隠されているかどうかを検出することを目的としている。 ディープニューラルネットワーク(DNN)を用いた受信側強制攻撃に対処するレシーバ識別可能なステガノグラフィー手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T09:00:30Z)
• NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields [54.27264716713327]
  シーンのニューラル・ラジアンス・フィールド(NeRF)表現は,高密度物体記述子の訓練に利用できることを示す。 我々は、最適化されたNeRFを用いて、オブジェクトの複数のビュー間の密接な対応を抽出し、これらの対応を、オブジェクトのビュー不変表現を学習するためのトレーニングデータとして使用する。 また,本手法により教師されたディエンス対応モデルは,市販の学習ディスクリプタよりも106%優れていた。
  論文  参考訳（メタデータ） (2022-03-03T18:49:57Z)
• Putting NeRF on a Diet: Semantically Consistent Few-Shot View Synthesis [86.38901313994734]
  数枚の画像から推定した3次元ニューラルシーン表現であるDietNeRFを提案する。 NeRFはマルチビュー一貫性によってシーンの連続的なボリューム表現を学習する。 我々は,新しいポーズにおけるリアルなレンダリングを促進する補助的なセマンティック一貫性損失を導入する。
  論文  参考訳（メタデータ） (2021-04-01T17:59:31Z)

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。