論文の概要: Diffusion-based Adversarial Purification from the Perspective of the Frequency Domain

• arxiv url: http://arxiv.org/abs/2505.01267v3
• Date: Wed, 11 Jun 2025 07:31:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-12 16:13:47.9938
• Title: Diffusion-based Adversarial Purification from the Perspective of the Frequency Domain
• Title（参考訳）: 周波数領域から見た拡散型逆浄化
• Authors: Gaozheng Pei, Ke Ma, Yingfei Sun, Qianqian Xu, Qingming Huang,
• Abstract要約: 対向的浄化法は 対向的摂動を 前方から等方性雑音の一部に 浸入させようとする 我々は周波数領域の視点に目を向け、画像を振幅スペクトルと位相スペクトルに分解する。 両スペクトルとも,逆方向の摂動による損傷は周波数とともに単調に増加する傾向にある。 本稿では,原画像の保存を最大化しながら,対向的摂動を解消できる浄化法を提案する。
• 参考スコア（独自算出の注目度）: 82.7588726818454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The diffusion-based adversarial purification methods attempt to drown adversarial perturbations into a part of isotropic noise through the forward process, and then recover the clean images through the reverse process. Due to the lack of distribution information about adversarial perturbations in the pixel domain, it is often unavoidable to damage normal semantics. We turn to the frequency domain perspective, decomposing the image into amplitude spectrum and phase spectrum. We find that for both spectra, the damage caused by adversarial perturbations tends to increase monotonically with frequency. This means that we can extract the content and structural information of the original clean sample from the frequency components that are less damaged. Meanwhile, theoretical analysis indicates that existing purification methods indiscriminately damage all frequency components, leading to excessive damage to the image. Therefore, we propose a purification method that can eliminate adversarial perturbations while maximizing the preservation of the content and structure of the original image. Specifically, at each time step during the reverse process, for the amplitude spectrum, we replace the low-frequency components of the estimated image's amplitude spectrum with the corresponding parts of the adversarial image. For the phase spectrum, we project the phase of the estimated image into a designated range of the adversarial image's phase spectrum, focusing on the low frequencies. Empirical evidence from extensive experiments demonstrates that our method significantly outperforms most current defense methods.
• Abstract（参考訳）: 拡散型対向浄化法は, 対向性摂動を前処理により等方性雑音の一部に浸漬し, 逆処理によりクリーンな画像を復元する。 画素領域における対向的摂動に関する分布情報が欠如しているため、通常意味論を損なうことは避けられないことが多い。 我々は周波数領域の視点に目を向け、画像を振幅スペクトルと位相スペクトルに分解する。 両スペクトルとも,逆方向の摂動による損傷は周波数とともに単調に増加する傾向にある。 これは、損傷が少ない周波数成分から、元のクリーンサンプルの内容と構造情報を抽出できることを意味する。 一方, 既存の浄化法は全ての周波数成分を無差別に損傷し, 画像に過度な損傷を与えている。 そこで本研究では,原画像の内容と構造を最大化しながら,対向的摂動を解消できる浄化法を提案する。 具体的には、逆過程の各段階において、振幅スペクトルに対して、推定画像の振幅スペクトルの低周波成分を、逆画像の対応する部分に置き換える。 位相スペクトルについて、推定画像の位相を逆画像の位相スペクトルの指定された範囲に投影し、低周波に着目した。 大規模な実験から得られた実証的な証拠は、我々の手法が現在の防衛方法よりも著しく優れていることを示している。

関連論文リスト

• Divide and Conquer: Heterogeneous Noise Integration for Diffusion-based Adversarial Purification [75.09791002021947]
  既存の浄化法は,前向き拡散過程を通じて一定のノイズを発生させ,その後に逆の処理を行い,クリーンな例を回復させることによって,対向的摂動を妨害することを目的としている。 この方法は、前処理の均一な操作が、対向的摂動と闘いながら通常のピクセルを損なうため、根本的な欠陥がある。 ニューラルネットワークの解釈可能性に基づく異種浄化戦略を提案する。 本手法は,被写体モデルが注目する特定の画素に対して高強度雑音を決定的に印加する一方,残りの画素は低強度雑音のみを被写体とする。
  論文  参考訳（メタデータ） (2025-03-03T11:00:25Z)
• AdaIR: Adaptive All-in-One Image Restoration via Frequency Mining and Modulation [99.57024606542416]
  周波数マイニングと変調に基づく適応的なオールインワン画像復元ネットワークを提案する。 我々のアプローチは、異なる周波数サブバンド上の画像内容に異なる劣化タイプが影響を及ぼすという観察によって動機付けられている。 提案モデルでは,入力劣化に応じて情報周波数サブバンドをアクセントすることで適応的再構成を実現する。
  論文  参考訳（メタデータ） (2024-03-21T17:58:14Z)
• Spectrum Translation for Refinement of Image Generation (STIG) Based on Contrastive Learning and Spectral Filter Profile [15.5188527312094]
  生成した画像の周波数領域における相違を緩和する枠組みを提案する。 これは、コントラスト学習に基づく画像生成(STIG)の洗練のためのスペクトル変換によって実現される。 我々は,STIGの有効性を実証するために,8つのフェイク画像データセットと様々な最先端モデルにまたがるフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-03-08T06:39:24Z)
• On the Use of Singular Value Decomposition as a Clutter Filter for Ultrasound Flow Imaging [3.997460889704809]
  Singular Value Decomposition (SVD) は, 高フレームレート超音波血流イメージングにおいて, クラッタ, 流れ, ノイズをかなり分離する。 クラッタとノイズの除去は、組織、流れ、ノイズがそれぞれ特異値の異なるサブセットで表されるという仮定に依存している。 流路信号が分布する微小血管では, ゴーストや分裂アーティファクトが観察される。
  論文  参考訳（メタデータ） (2023-04-25T13:05:53Z)
• Adversarial amplitude swap towards robust image classifiers [3.480626767752489]
  逆画像の振幅スペクトルと位相スペクトルがCNN分類器の頑健性に及ぼす影響について検討する。 実験の結果, 対向画像の振幅スペクトルとクリーン画像の位相スペクトルを組み合わせた画像は, 適度な摂動と一般の摂動を許容できることがわかった。
  論文  参考訳（メタデータ） (2022-03-14T14:32:11Z)
• Amplitude-Phase Recombination: Rethinking Robustness of Convolutional Neural Networks in Frequency Domain [31.182376196295365]
  CNNは、トレーニング画像の高周波成分と密接に関連する局所最適値に収束する傾向にある。 現在の画像の位相スペクトルとイントラクタ画像の振幅スペクトルを再結合して設計されたデータ拡張に関する新しい視点。
  論文  参考訳（メタデータ） (2021-08-19T04:04:41Z)
• WaveFill: A Wavelet-based Generation Network for Image Inpainting [57.012173791320855]
  WaveFillはウェーブレットベースの塗装ネットワークで、画像を複数の周波数帯域に分解する。 WaveFillは、空間情報を自然に保存する離散ウェーブレット変換(DWT)を用いて画像を分解する。 低周波帯にL1再構成損失を、高周波帯に敵対損失を施し、それによって周波数間紛争を効果的に軽減する。
  論文  参考訳（メタデータ） (2021-07-23T04:44:40Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)

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。