論文の概要: Predictive Quality Assessment for Mobile Secure Graphics

• arxiv url: http://arxiv.org/abs/2509.20028v1
• Date: Wed, 24 Sep 2025 11:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.800004
• Title: Predictive Quality Assessment for Mobile Secure Graphics
• Title（参考訳）: モバイル安全グラフィクスの予測品質評価
• Authors: Cas Steigstra, Sergey Milyaev, Shaodi You,
• Abstract要約: 本稿では,下流検証作業におけるフレームの有用性を予測するフレームワークを提案する。 本フレームワークは,105台のスマートフォンから32,000枚以上の画像の大規模データセットを用いて,再コンテキスト化FNMRおよびISRRメトリクスを用いて検証した。 フリーズされたImageNet-pretrainedネットワーク上の軽量プローブは、完全に微調整されたモデルよりも、目に見えない印刷技術に最適化される。
• 参考スコア（独自算出の注目度）: 11.174175268295519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The reliability of secure graphic verification, a key anti-counterfeiting tool, is undermined by poor image acquisition on smartphones. Uncontrolled user captures of these high-entropy patterns cause high false rejection rates, creating a significant 'reliability gap'. To bridge this gap, we depart from traditional perceptual IQA and introduce a framework that predictively estimates a frame's utility for the downstream verification task. We propose a lightweight model to predict a quality score for a video frame, determining its suitability for a resource-intensive oracle model. Our framework is validated using re-contextualized FNMR and ISRR metrics on a large-scale dataset of 32,000+ images from 105 smartphones. Furthermore, a novel cross-domain analysis on graphics from different industrial printing presses reveals a key finding: a lightweight probe on a frozen, ImageNet-pretrained network generalizes better to an unseen printing technology than a fully fine-tuned model. This provides a key insight for real-world generalization: for domain shifts from physical manufacturing, a frozen general-purpose backbone can be more robust than full fine-tuning, which can overfit to source-domain artifacts.
• Abstract（参考訳）: 重要な反カウンセリングツールであるセキュアなグラフィック検証の信頼性は、スマートフォンでの画像取得の貧弱さによって損なわれている。 これらの高エントロピーパターンの制御されていないユーザキャプチャは、偽りの拒絶率を高くし、重大な「信頼性のギャップ」を生み出します。 このギャップを埋めるため、従来のIQAから離れ、下流検証タスクにおいてフレームの有用性を予測的に推定するフレームワークを導入する。 本稿では,映像フレームの品質スコアを予測する軽量なモデルを提案する。 本フレームワークは,105台のスマートフォンから32,000枚以上の画像の大規模データセットを用いて,再コンテキスト化FNMRおよびISRRメトリクスを用いて検証した。 さらに、異なる産業用印刷機からのグラフィックのクロスドメイン分析では、凍結されたImageNet事前学習ネットワーク上の軽量プローブが、完全に微調整されたモデルよりも目に見えない印刷技術に最適化されるという重要な発見が示されている。 物理製造からのドメインシフトに対して、凍結された汎用バックボーンは完全な微調整よりも堅牢になり、ソース・ドメインのアーティファクトに過度に適合する。

関連論文リスト

• Edge-Enhanced Vision Transformer Framework for Accurate AI-Generated Image Detection [0.0]
  本稿では,視覚変換器(ViT)と新たなエッジベース画像処理モジュールを組み合わせたハイブリッド検出フレームワークを提案する。 提案手法は,自動コンテンツ検証とデジタル法医学における実世界の応用に非常に適している。
  論文  参考訳（メタデータ） (2025-08-25T10:30:56Z)
• So-Fake: Benchmarking and Explaining Social Media Image Forgery Detection [75.79507634008631]
  So-Fake-Setは、200万以上の高品質な画像、多様な生成源、35の最先端生成モデルを用いて合成された画像を備えたソーシャルメディア指向のデータセットである。 本稿では,高精度な偽造検出,高精度な位置推定,解釈可能な視覚論理による説明可能な推論に強化学習を利用する高度な視覚言語フレームワークであるSo-Fake-R1を提案する。
  論文  参考訳（メタデータ） (2025-05-24T11:53:35Z)
• Adversarial Robustification via Text-to-Image Diffusion Models [56.37291240867549]
  アドリラルロバスト性は、ニューラルネットワークをエンコードする難しい性質として伝統的に信じられてきた。 データを使わずに敵の堅牢性を実現するために,スケーラブルでモデルに依存しないソリューションを開発した。
  論文  参考訳（メタデータ） (2024-07-26T10:49:14Z)
• OCR is All you need: Importing Multi-Modality into Image-based Defect Detection System [7.1083241462091165]
  我々は,光学的文字認識(OCR)を基本とする外部モダリティ誘導データマイニングフレームワークを導入し,画像から統計的特徴を抽出する。 提案手法の重要な側面は、単一のモーダル認識モデルを用いて抽出された外部モーダル特徴のアライメントであり、畳み込みニューラルネットワークによって符号化された画像特徴である。 本手法は欠陥検出モデルのリコール率を大幅に向上させ,挑戦シナリオにおいても高い堅牢性を維持する。
  論文  参考訳（メタデータ） (2024-03-18T07:41:39Z)
• Leveraging Representations from Intermediate Encoder-blocks for Synthetic Image Detection [13.840950434728533]
  SID(State-of-the-art Synthetic Image Detection)研究は、基礎モデルからの特徴抽出の利点を強く証明している。 軽量ネットワークを介してCLIPの画像エンコーダの中間トランスフォーマーブロックから抽出した画像表現を利用する。 本手法は,20個のテストデータセットで評価し,平均+10.6%の絶対性能向上を示すことにより,最先端の手法と比較した。
  論文  参考訳（メタデータ） (2024-02-29T12:18:43Z)
• Hardware Resilience Properties of Text-Guided Image Classifiers [15.787551066303804]
  本稿では,過渡的ハードウェアエラーに直面した配置中の画像分類モデルの信頼性を高める新しい手法を提案する。 当社のアプローチは,ハードウェアの信頼性の平均的な向上を目覚ましい5.5倍に達成しています。
  論文  参考訳（メタデータ） (2023-11-23T15:38:13Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Perceptually Optimizing Deep Image Compression [53.705543593594285]
  平均二乗誤差(MSE)と$ell_p$ノルムは、ニューラルネットワークの損失の測定で大きく支配されている。 本稿では,定量的知覚モデルに対して,画像解析ネットワークを最適化するための異なるプロキシ手法を提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:33:28Z)

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。