論文の概要: Grouped k-threshold random grid-based visual cryptography scheme

• arxiv url: http://arxiv.org/abs/2508.05394v1
• Date: Thu, 07 Aug 2025 13:44:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.882502
• Title: Grouped k-threshold random grid-based visual cryptography scheme
• Title（参考訳）: グループk-thresholdランダムグリッドに基づくビジュアル暗号方式
• Authors: Xiaoli Zhuo, Xuehu Yan, Wei Yan,
• Abstract要約: ランダムグリッドベースのVCS(RGVCS)は、基本的な行列設計を必要とせず、画素拡大を避けるため、広く注目を集めている。 RGVCSのコアメトリックであるコントラストは、回復した画像の視覚的品質を直接決定する。 本稿では、任意の$(k,n')$-thresholdスキームから$(k,n)$-thresholdスキームを構成するRGVCSの新しい共有パラダイムを提案する。
• 参考スコア（独自算出の注目度）: 9.775517796673615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual cryptography schemes (VCSs) belong to a category of secret image sharing schemes that do not require cryptographic knowledge for decryption, instead relying directly on the human visual system. Among VCSs, random grid-based VCS (RGVCS) has garnered widespread attention as it avoids pixel expansion while requiring no basic matrices design. Contrast, a core metric for RGVCS, directly determines the visual quality of recovered images, rendering its optimization a critical research objective. However, existing $(k,n)$ RGVCSs still fail to attain theoretical upper bounds on contrast, highlighting the urgent need for higher-contrast constructions. In this paper, we propose a novel sharing paradigm for RGVCS that constructs $(k,n)$-threshold schemes from arbitrary $(k,n')$-threshold schemes $(k \leq n'\leq n)$, termed \emph{$n'$-grouped $(k,n)$ RGVCS}. This paradigm establishes hierarchical contrast characteristics: participants within the same group achieve optimal recovery quality, while inter-group recovery shows a hierarchical contrast. We further introduce a new contrast calculation formula tailored to the new paradigm. Then, we propose a contrast-enhanced $(k,n)$ RGVCS by setting $n'= k$, achieving the highest contrast value documented in the existing literature. Theoretical analysis and experimental results demonstrate the superiority of our proposed scheme in terms of contrast.
• Abstract（参考訳）: ビジュアル暗号方式(英: Visual Cryptography schemes、VCS)は、人間の視覚システムに直接依存するのではなく、復号のために暗号知識を必要としない秘密画像共有方式のカテゴリである。 VCSのうち、ランダムグリッドベースのVCS(RGVCS)は、基本的な行列設計を必要とせず、ピクセル拡大を避けるため、広く注目を集めている。 RGVCSのコアメトリックであるContrastは、回復した画像の視覚的品質を直接決定し、その最適化を重要な研究目標とする。 しかし、既存の$(k,n)$ RGVCSsはコントラストの理論上界を達成できず、高コントラスト構成の緊急な必要性を強調している。 本稿では、任意の$(k,n')$-threshold schemes $(k \leq n'\leq n)$, called \emph{$n'$-grouped $(k,n)$ RGVCS}から$(k,n)$-threshold schemesを構成するRGVCSの新しい共有パラダイムを提案する。 このパラダイムは階層的コントラスト特性を確立し、同じグループ内の参加者が最適なリカバリ品質を達成する一方、グループ間のリカバリは階層的コントラストを示す。 さらに、新しいパラダイムに合わせて、新しいコントラスト計算式を導入する。 次に、既存の文献で記録されている最高のコントラスト値を達成するために、$n'=k$を設定することで、コントラスト付き$(k,n)$RGVCSを提案する。 理論的解析と実験結果から,提案手法のコントラストによる優位性を示す。

関連論文リスト

• End-to-End Vision Tokenizer Tuning [73.3065542220568]
  低レベルの再構築のために最適化された視覚トークンーは、様々な表現と意味論を必要とする下流タスクである。 視覚トークン化の損失は、ターゲットタスクの表現ボトルネックになる可能性がある。 本研究では,視覚トークン化と目標自己回帰タスクを協調的に最適化するエンド・ツー・エンドの視覚トークン化チューニング手法であるETTを提案する。
  論文  参考訳（メタデータ） (2025-05-15T17:59:39Z)
• Sharper Error Bounds in Late Fusion Multi-view Clustering Using Eigenvalue Proportion [19.46433323866636]
  マルチビュークラスタリング(MVC)は、クラスタリング性能を向上させるために、複数のビューから補完的な情報を統合することを目的としている。 本稿では,複数カーネル$k$-meansの一般化誤差境界を解析するための新しい理論的枠組みを提案する。 雑音と冗長性を軽減するために,複数線形$k$-meansフレームワーク内の低域グラフフィルタリング方式を提案する。
  論文  参考訳（メタデータ） (2024-12-24T06:24:08Z)
• Pruning is Optimal for Learning Sparse Features in High-Dimensions [15.967123173054535]
  本研究では,勾配勾配勾配で学習したプルーンドニューラルネットワークを用いて,統計モデルのクラスを最適に学習可能であることを示す。 ニューラルネットワークのプルーニングが$boldsymbolV$のスパーシリティレベルに比例すると、未切断ネットワークと比較してサンプルの複雑さが向上することを示す。
  論文  参考訳（メタデータ） (2024-06-12T21:43:12Z)
• Image contrast enhancement based on the Schrödinger operator spectrum [0.276240219662896]
  二次元シュリンガー作用素の2次元固有関数への投影画像に基づく新しい画像コントラスト強調法を提案する。 このプロジェクションは、画像再構成中にピクセル強度を制御する設計パラメータである$gamma$に依存している。 提案手法は,原画像の特徴を保ちながら,画像のコントラストを効果的に向上することを示す。
  論文  参考訳（メタデータ） (2024-06-04T12:37:11Z)
• Expressive Losses for Verified Robustness via Convex Combinations [67.54357965665676]
  本研究では, 過近似係数と異なる表現的損失に対する性能分布の関係について検討した。 表現性が不可欠である一方で、最悪の場合の損失のより良い近似は、必ずしも優れた堅牢性-正確性トレードオフに結びついていないことを示す。
  論文  参考訳（メタデータ） (2023-05-23T12:20:29Z)
• Learning Low-Rank Representations for Model Compression [6.721845345130468]
  本稿では,従来のVQアルゴリズムを様々なタスクやアーキテクチャで上回る低ランク表現ベクトル量子化(textLR2textVQ$)手法を提案する。 本手法では,圧縮率を直接$m$で制御することができ,最終的な精度は$tilded$で決定される。 適切な$tilded$で、ImageNet分類データセット上でResNet-18/ResNet-50で$textLR2textVQ$を評価します。
  論文  参考訳（メタデータ） (2022-11-21T12:15:28Z)
• Nonconvex ${{L_ {{1/2}}}} $-Regularized Nonlocal Self-similarity Denoiser for Compressive Sensing based CT Reconstruction [0.0]
  最近、NonL1/2 $-normは回復において有望な性能を達成したが、その非類似性のため、アプリケーションは不満足である。 本稿では,最小化$_$のCT再構成問題について述べる。 典型的な画像に対する大規模な結果から,より優れた性能を実現するためのアプローチが実証された。
  論文  参考訳（メタデータ） (2022-05-15T05:24:48Z)
• Stacked Hybrid-Attention and Group Collaborative Learning for Unbiased Scene Graph Generation [62.96628432641806]
  Scene Graph Generationは、まず与えられた画像内の視覚的コンテンツをエンコードし、次にそれらをコンパクトな要約グラフに解析することを目的としている。 まず,モーダル内改良とモーダル間相互作用を容易にする新しいスタック型ハイブリッド・アテンションネットワークを提案する。 次に、デコーダを最適化するための革新的なグループ協調学習戦略を考案する。
  論文  参考訳（メタデータ） (2022-03-18T09:14:13Z)
• Bi-level Feature Alignment for Versatile Image Translation and Manipulation [88.5915443957795]
  GAN(Generative Adversarial Network)は画像翻訳と操作において大きな成功を収めている。 忠実なスタイル制御を備えた高忠実な画像生成は、コンピュータビジョンにおいて依然として大きな課題である。 本稿では,高精度なセマンティック・スタイル・ガイダンスを実現する多機能な画像翻訳・操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-07T05:26:29Z)
• Adversarial Linear Contextual Bandits with Graph-Structured Side Observations [80.95090605985042]
  学習エージェントは、$d$-dimensionalコンテキストベクトルで提示された後、一連の$k$アクションから繰り返し選択する。 エージェントは選択されたアクションの損失を誘発し、観察するが、観察構造における隣り合うアクションの損失も観察する。 textttEXP3に基づく2つの効率的なアルゴリズムが開発された。
  論文  参考訳（メタデータ） (2020-12-10T15:40:07Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• GeoDA: a geometric framework for black-box adversarial attacks [79.52980486689287]
  我々は,最も困難なブラックボックス設定の1つにおいて,逆例を生成するためのフレームワークを提案する。 我々のフレームワークは、ディープネットワークの決定境界は通常、データサンプルの近傍で小さな平均曲率を持つという観察に基づいている。
  論文  参考訳（メタデータ） (2020-03-13T20:03:01Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。