論文の概要: Towards the Resistance of Neural Network Watermarking to Fine-tuning

• arxiv url: http://arxiv.org/abs/2505.01007v1
• Date: Fri, 02 May 2025 05:11:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.911402
• Title: Towards the Resistance of Neural Network Watermarking to Fine-tuning
• Title（参考訳）: ニューラルネットワーク透かしの微調整への抵抗性に向けて
• Authors: Ling Tang, Yuefeng Chen, Hui Xue, Quanshi Zhang,
• Abstract要約: 本稿では,ディープニューラルネットワーク(DNN)にオーナシップ情報を埋め込む新しい透かし手法を示す。 このようにして、畳み込みフィルタの特定の周波数成分に透かし情報を符号化する透かしモジュールを設計する。 本手法の有効性を予備実験で実証した。
• 参考スコア（独自算出の注目度）: 36.114291053566916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proves a new watermarking method to embed the ownership information into a deep neural network (DNN), which is robust to fine-tuning. Specifically, we prove that when the input feature of a convolutional layer only contains low-frequency components, specific frequency components of the convolutional filter will not be changed by gradient descent during the fine-tuning process, where we propose a revised Fourier transform to extract frequency components from the convolutional filter. Additionally, we also prove that these frequency components are equivariant to weight scaling and weight permutations. In this way, we design a watermark module to encode the watermark information to specific frequency components in a convolutional filter. Preliminary experiments demonstrate the effectiveness of our method.
• Abstract（参考訳）: 本稿では,ディープラーニング(DNN)にオーナシップ情報を埋め込む新しい透かし手法を提案する。 具体的には、畳み込み層の入力特性が低周波成分のみを含む場合、畳み込みフィルタの特定の周波数成分は微調整過程において勾配勾配によって変化しないことを証明し、畳み込みフィルタから周波数成分を抽出するフーリエ変換を提案する。 さらに、これらの周波数成分は、重みのスケーリングや重みの置換と等価であることも証明した。 このようにして、畳み込みフィルタの特定の周波数成分に透かし情報を符号化する透かしモジュールを設計する。 本手法の有効性を予備実験で実証した。

関連論文リスト

• Cross-Frequency Implicit Neural Representation with Self-Evolving Parameters [52.574661274784916]
  Inlicit Neural representation (INR) は視覚データ表現の強力なパラダイムとして登場した。 本研究では,データを4つの周波数成分に分離し,ウェーブレット空間でINRを用いるHaar Wavelet変換(CF-INR)を用いた自己進化型クロス周波数INRを提案する。 CF-INRは画像の回帰, 塗装, 装飾, 雲の除去など, 様々な視覚的データ表現および回復タスクで評価される。
  論文  参考訳（メタデータ） (2025-04-15T07:14:35Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Efficient Frequency Domain-based Transformers for High-Quality Image Deblurring [39.720032882926176]
  本稿では,高画質画像の周波数領域におけるトランスフォーマーの特性を効果的かつ効率的に探索する手法を提案する。 我々は提案したFSASとDFFNをエンコーダとデコーダアーキテクチャに基づく非対称ネットワークに定式化する。
  論文  参考訳（メタデータ） (2022-11-22T13:08:03Z)
• On the Shift Invariance of Max Pooling Feature Maps in Convolutional Neural Networks [7.812210699650151]
  ガボル型フィルタによるサブサンプル畳み込みはエイリアスしがちであり、小さな入力シフトに敏感である。 安定性を実現する上で,フィルタの周波数と向きが果たす重要な役割を強調した。 二重ツリー複合ウェーブレットパケット変換に基づく決定論的特徴抽出器を設計し,本理論を実験的に検証する。
  論文  参考訳（メタデータ） (2022-09-19T08:15:30Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)
• FAMLP: A Frequency-Aware MLP-Like Architecture For Domain Generalization [73.41395947275473]
  本稿では、変換周波数領域において、ドメイン固有の特徴をフィルタリングする新しい周波数認識アーキテクチャを提案する。 3つのベンチマークの実験では、最先端の手法をそれぞれ3%、4%、9%のマージンで上回った。
  論文  参考訳（メタデータ） (2022-03-24T07:26:29Z)
• Deep Frequency Filtering for Domain Generalization [55.66498461438285]
  Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。 本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。 提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
  論文  参考訳（メタデータ） (2022-03-23T05:19:06Z)
• Frequency Pooling: Shift-Equivalent and Anti-Aliasing Downsampling [9.249235534786072]
  本研究では、フーリエ変換とナイキスト周波数の特性に基づいて、周波数プーリングがシフト等価であり、アンチエイリアスであることを示す。 画像分類実験により、周波数プーリングはCNNのシフトに対して精度とロバスト性を向上させることが示された。
  論文  参考訳（メタデータ） (2021-09-24T09:32:10Z)
• DCT-Conv: Coding filters in convolutional networks with Discrete Cosine Transform [0.0]
  スペクトル選択成分をオフにすることで、ネットワークのトレーニングされた重みの数を減らし、その性能にどのように影響するかを分析する。 実験により、訓練されたDCTパラメータでフィルタをコーディングすると、従来の畳み込みよりも改善されることが示された。
  論文  参考訳（メタデータ） (2020-01-23T13:58:17Z)

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。