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
- Active Generation for Image Classification [50.18107721267218]
本稿では,モデルのニーズと特徴に着目し,画像生成の効率性に対処することを提案する。
能動学習の中心的傾向として,ActGenという手法が,画像生成のトレーニング・アウェア・アプローチを取り入れている。
論文 参考訳(メタデータ) (2024-03-11T08:45:31Z) - Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation [59.184980778643464]
ファインチューニング拡散モデル : 生成人工知能(GenAI)の最前線
本稿では,拡散モデル(SPIN-Diffusion)のための自己演奏ファインチューニングという革新的な手法を紹介する。
提案手法は従来の教師付き微調整とRL戦略の代替として,モデル性能とアライメントの両方を大幅に改善する。
論文 参考訳(メタデータ) (2024-02-15T18:59:18Z) - 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) - 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) - 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) - A Comprehensive Review of Digital Twin -- Part 2: Roles of Uncertainty
Quantification and Optimization, a Battery Digital Twin, and Perspectives [11.241244950889886]
第2報は,デジタル双生児の重要な実現技術に関する文献レビューである。
第3報では,バッテリディジタルツインを構築,試験して,モデリングおよびツインニング手法のいくつかを概説するケーススタディを提案する。
論文 参考訳(メタデータ) (2022-08-27T01:36:15Z) - 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) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳(メタデータ) (2021-08-31T15:09:39Z) - Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。
この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。
生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
論文 参考訳(メタデータ) (2020-03-02T17:49:32Z) - 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。