Fugu-MT 論文翻訳(概要): PSyDUCK: Training-Free Steganography for Latent Diffusion

論文の概要: PSyDUCK: Training-Free Steganography for Latent Diffusion

arxiv url: http://arxiv.org/abs/2501.19172v1
Date: Fri, 31 Jan 2025 14:39:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-03 14:02:11.163769
Title: PSyDUCK: Training-Free Steganography for Latent Diffusion
Title（参考訳）: PSyDUCK : 潜伏拡散に対する無訓練ステガノグラフィー
Authors: Georgia Channing, Aqib Mahfuz, Mark van der Wilk, Philip Torr, Fabio Pizzati, Christian Schroeder de Witt,
Abstract要約: AIによるステガノグラフィーの最近の進歩は、脆弱な民主的アクターのプライバシーを守る可能性を強調している。本稿では,潜伏拡散モデル内での安全かつ効率的なステガノグラフィーを可能にする新しい手法を提案する。
参考スコア（独自算出の注目度）: 22.17835886086284
License:
Abstract: Recent advances in AI-generated steganography highlight its potential for safeguarding the privacy of vulnerable democratic actors, including aid workers, journalists, and whistleblowers operating in oppressive regimes. In this work, we address current limitations and establish the foundations for large-throughput generative steganography. We introduce a novel approach that enables secure and efficient steganography within latent diffusion models. We show empirically that our methods perform well across a variety of open-source latent diffusion models, particularly in generative image and video tasks.
Abstract（参考訳）: AIによって生成されたステガノグラフィーの最近の進歩は、抑圧的な政権で活動する援助労働者、ジャーナリスト、内部告発者を含む、脆弱な民主的アクターのプライバシーを守る可能性を強調している。本研究では, 現状の限界に対処し, 大規模再生ステガノグラフィの基礎を確立する。本稿では,潜伏拡散モデル内での安全かつ効率的なステガノグラフィーを可能にする新しい手法を提案する。提案手法は,様々なオープンソース潜在拡散モデル,特に生成画像やビデオタスクにおいてよく機能することを示す。

関連論文リスト

DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
論文参考訳（メタデータ） (2024-07-15T06:15:49Z)
Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
論文参考訳（メタデータ） (2024-05-19T11:29:52Z)
SODA: Bottleneck Diffusion Models for Representation Learning [75.7331354734152]
本稿では,表現学習のための自己教師付き拡散モデルSODAを紹介する。このモデルには、ソースビューをコンパクトな表現に蒸留するイメージエンコーダが組み込まれており、関連する新規ビューの生成を導く。エンコーダと復調復調復調復調復調復調復調復調復号器の密集ボトルネックを付与することにより,拡散モデルを強力な表現学習器に変換することができることを示す。
論文参考訳（メタデータ） (2023-11-29T18:53:34Z)
Unlearnable Examples for Diffusion Models: Protect Data from Unauthorized Exploitation [25.55296442023984]
本研究では,不正な利用から画像を保護するために,Unlearnable Diffusion Perturbationを提案する。この成果は、AI生成コンテンツに対するプライバシーと著作権の保護に寄与するため、現実世界のシナリオにおいて重要な意味を持つ。
論文参考訳（メタデータ） (2023-06-02T20:19:19Z)
CRoSS: Diffusion Model Makes Controllable, Robust and Secure Image Steganography [15.705627450233504]
制御可能・ロバスト・セキュア画像ステガノグラフィー(CRoSS)という新しい画像ステガノグラフィーフレームワークを提案する。 CRoSSは、カバーベース画像ステガノグラフィー法と比較して、制御性、堅牢性、セキュリティにおいて大きな利点がある。
論文参考訳（メタデータ） (2023-05-26T13:52:57Z)
Diffusion Models as Masked Autoencoders [52.442717717898056]
拡散モデルに対する近年の関心を踏まえて、生成的に事前学習された視覚表現を再考する。拡散モデルによる直接事前学習では強い表現は得られないが、マスク付き入力上での拡散モデルと公式拡散モデルをマスク付きオートエンコーダ(DiffMAE)として条件付ける。設計選択の長所と短所について包括的な研究を行い、拡散モデルとマスク付きオートエンコーダ間の接続を構築する。
論文参考訳（メタデータ） (2023-04-06T17:59:56Z)
Data Forensics in Diffusion Models: A Systematic Analysis of Membership Privacy [62.16582309504159]
本研究では,拡散モデルに対するメンバシップ推論攻撃の系統的解析を開発し,各攻撃シナリオに適した新しい攻撃手法を提案する。提案手法は容易に入手可能な量を利用して,現実的なシナリオにおいてほぼ完全な攻撃性能 (>0.9 AUCROC) を達成することができる。
論文参考訳（メタデータ） (2023-02-15T17:37:49Z)
Extracting Training Data from Diffusion Models [77.11719063152027]
拡散モデルはトレーニングデータから個々の画像を記憶し,生成時に出力することを示す。生成とフィルタのパイプラインを用いて、最先端のモデルから数千以上のトレーニング例を抽出する。さまざまな設定で何百もの拡散モデルをトレーニングし、モデリングとデータ決定の違いがプライバシに与える影響を分析する。
論文参考訳（メタデータ） (2023-01-30T18:53:09Z)
On the detection of synthetic images generated by diffusion models [18.12766911229293]
拡散モデル(DM)に基づく手法が注目されている。 DMはテキストベースのビジュアルコンテンツの作成を可能にする。悪意のあるユーザーは、自分の攻撃に完全に適合した偽のメディアを生成し、配布することができる。
論文参考訳（メタデータ） (2022-11-01T18:10:55Z)
A Survey on Generative Diffusion Model [75.93774014861978]
拡散モデルは、深層生成モデルの新たなクラスである。時間を要する反復生成過程や高次元ユークリッド空間への閉じ込めなど、いくつかの制限がある。本調査では,拡散モデルの向上を目的とした高度な手法を多数提示する。
論文参考訳（メタデータ） (2022-09-06T16:56:21Z)

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。