論文の概要: Stochastic Digital Twin for Copy Detection Patterns
- arxiv url: http://arxiv.org/abs/2309.16866v1
- Date: Thu, 28 Sep 2023 21:38:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-02 16:18:28.847749
- Title: Stochastic Digital Twin for Copy Detection Patterns
- Title（参考訳）: コピー検出パターンのための確率的デジタル双生児
- Authors: Yury Belousov, Olga Taran, Vitaliy Kinakh, Slava Voloshynovskiy
- Abstract要約: コピー検出パターン (CDP) は偽造防止に有効である。
コンピュータモデリングの最近の進歩、特に「デジタルツイン」の概念は、拡張性を高める。
本稿では,CDPのための機械学習ベースのデジタルツインを用いて,印刷画像チャネルをモデル化した以前の研究を拡張した。
- 参考スコア（独自算出の注目度）: 6.5247605335587915
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Copy detection patterns (CDP) present an efficient technique for product
protection against counterfeiting. However, the complexity of studying CDP
production variability often results in time-consuming and costly procedures,
limiting CDP scalability. Recent advancements in computer modelling, notably
the concept of a "digital twin" for printing-imaging channels, allow for
enhanced scalability and the optimization of authentication systems. Yet, the
development of an accurate digital twin is far from trivial.
This paper extends previous research which modelled a printing-imaging
channel using a machine learning-based digital twin for CDP. This model, built
upon an information-theoretic framework known as "Turbo", demonstrated superior
performance over traditional generative models such as CycleGAN and pix2pix.
However, the emerging field of Denoising Diffusion Probabilistic Models (DDPM)
presents a potential advancement in generative models due to its ability to
stochastically model the inherent randomness of the printing-imaging process,
and its impressive performance in image-to-image translation tasks.
This study aims at comparing the capabilities of the Turbo framework and DDPM
on the same CDP datasets, with the goal of establishing the real-world benefits
of DDPM models for digital twin applications in CDP security. Furthermore, the
paper seeks to evaluate the generative potential of the studied models in the
context of mobile phone data acquisition. Despite the increased complexity of
DDPM methods when compared to traditional approaches, our study highlights
their advantages and explores their potential for future applications.
- Abstract（参考訳）: コピー検出パターン(cdp)は偽造防止のための効率的な手法である。
しかし、CDP生産の多様性を研究する複雑さは、しばしば時間とコストのかかる手順をもたらし、CDPのスケーラビリティを制限します。
近年のコンピュータモデリングの進歩、特に「デジタルツイン」の概念は、拡張性の向上と認証システムの最適化を可能にした。
しかし、正確なデジタル双生児の開発は決して簡単ではない。
本稿では,CDPのための機械学習ベースのデジタルツインを用いて,印刷画像チャネルをモデル化した以前の研究を拡張した。
このモデルは"Turbo"として知られる情報理論のフレームワーク上に構築され、CycleGANやピクセル2ピクセルといった従来の生成モデルよりも優れた性能を示した。
しかし,DSF(Denoising Diffusion Probabilistic Models, DDPM)の出現する分野は, 印刷画像の固有ランダム性を確率論的にモデル化し, 画像から画像への変換タスクにおいて顕著な性能を示すため, 生成モデルの潜在的な進歩を示す。
本研究の目的は、同じCDPデータセット上でTurboフレームワークとDDPMの機能を比較することであり、CDPセキュリティにおけるデジタルツインアプリケーションのためのDDPMモデルの現実的な利点を確立することである。
さらに,携帯電話データ取得の文脈において,研究モデルの生成可能性を評価することを目的とした。
DDPM法は従来の手法と比較して複雑化しているが,本研究ではその利点を強調し,今後の応用の可能性を探る。
関連論文リスト
- Predictive Digital Twin for Condition Monitoring Using Thermal Imaging [0.0]
本稿では,条件監視に特化して設計された予測デジタル双対の開発と実用化について検討する。
我々は、堅牢なデジタルツインフレームワークを確立するために、高度な数学的モデルと熱画像技術を用いている。
本稿では,バーチャルリアリティ,ユーザインタラクションの強化,システム理解などを含むヒューマンマシンインタフェースの利用について紹介する。
論文 参考訳（メタデータ） (2024-11-08T11:23:57Z) - Binarized Diffusion Model for Image Super-Resolution [61.963833405167875]
超圧縮アルゴリズムであるバイナリ化は、高度な拡散モデル(DM)を効果的に加速する可能性を提供する
既存の二項化法では性能が著しく低下する。
画像SRのための新しいバイナライズ拡散モデルBI-DiffSRを提案する。
論文 参考訳（メタデータ） (2024-06-09T10:30:25Z) - DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。
セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。
本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
論文 参考訳（メタデータ） (2024-03-20T04:58:03Z) - Image Inpainting via Tractable Steering of Diffusion Models [54.13818673257381]
本稿では,トラクタブル確率モデル(TPM)の制約後部を正確に,かつ効率的に計算する能力を活用することを提案する。
具体的には、確率回路(PC)と呼ばれる表現型TPMのクラスを採用する。
提案手法は, 画像の全体的な品質とセマンティックコヒーレンスを, 計算オーバーヘッドを10%加えるだけで一貫的に改善できることを示す。
論文 参考訳（メタデータ） (2023-11-28T21:14:02Z) - Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。
EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。
本研究では,協調拡散回復可能性 (CDRL) を提案する。
論文 参考訳（メタデータ） (2023-09-10T22:05:24Z) - RenAIssance: A Survey into AI Text-to-Image Generation in the Era of
Large Model [93.8067369210696]
テキスト・ツー・イメージ生成(テキスト・トゥ・イメージ・ジェネレーション、英: Text-to-image Generation、TTI)とは、テキスト入力を処理し、テキスト記述に基づいて高忠実度画像を生成するモデルである。
拡散モデル (diffusion model) は、繰り返しステップによるノイズの体系的導入を通じて画像の生成に使用される顕著な生成モデルである。
大規模モデルの時代、モデルサイズを拡大し、大規模言語モデルとの統合により、TTIモデルの性能がさらに向上した。
論文 参考訳（メタデータ） (2023-09-02T03:27:20Z) - Enhanced multi-fidelity modelling for digital twin and uncertainty
quantification [0.0]
データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。
利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。
本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-26T05:58:17Z) - IRGen: Generative Modeling for Image Retrieval [82.62022344988993]
本稿では,画像検索を生成モデルの一種として再フレーミングする新しい手法を提案する。
我々は、イメージを意味単位の簡潔なシーケンスに変換するという技術的課題に対処するため、IRGenと呼ばれるモデルを開発した。
本モデルは,広範に使用されている3つの画像検索ベンチマークと200万件のデータセットに対して,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-03-17T17:07:36Z) - Digital twins of physical printing-imaging channel [10.292065384528799]
コピー検出パターン(CDP)に基づく偽造防止のためのデジタルツインを提案する。
提案モデルは,AAE(Adversarial Autoencoder),CycleGAN(CycleGAN),ALAE(Adversarial Latent Space Autoencoder)などの最先端アーキテクチャを一般化する。
本稿では,デジタル版CDPをデジタル版から生成・予測する作業において,各種アーキテクチャ要因,メトリクス,差別化要因がシステム全体の性能に与える影響を実証し,その逆も示す。
論文 参考訳（メタデータ） (2022-10-28T14:48:03Z) - Hybrid Digital Twin for process industry using Apros simulation
environment [0.0]
本稿では,プロセスプラントのハイブリッドDigital Twinモデルに対するステップバイステップの概念を提案する。
ブラウンフィールドプロセスシステムの第一原理モデルとデジタルツインの更新手順を詳述する。
構築されたDigital Twinの生成に関する課題についても議論する。
論文 参考訳（メタデータ） (2021-12-03T13:35:33Z) - The role of surrogate models in the development of digital twins of
dynamic systems [0.0]
デジタルツイン技術は、幅広い応用可能性の約束、関連性、可能性を秘めている。
デジタルツインはデータと計算手法を活用することが期待されている。
我々は,デジタルツイン技術における代理モデルの利用の可能性について検討した。
論文 参考訳（メタデータ） (2020-01-25T10:48:35Z)
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。