論文の概要: A Monoid Ring Approach to Color Visual Cryptography

• arxiv url: http://arxiv.org/abs/2510.00763v1
• Date: Wed, 01 Oct 2025 10:51:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.523135
• Title: A Monoid Ring Approach to Color Visual Cryptography
• Title（参考訳）: カラービジュアル暗号へのモノイドリングアプローチ
• Authors: Maximilian Reif, Jens Zumbrägel,
• Abstract要約: ビジュアル暗号スキーム(英: visualcryptgraphy scheme)は、秘密情報が画像であり、その共有が透明性に印刷される秘密共有スキームである。 このようなスキームは、秘密を回復するために暗号ツールの知識を一切必要としない。 QRコードや医療画像の共有など、広く応用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A visual cryptography scheme is a secret sharing scheme in which the secret information is an image and the shares are printed on transparencies, so that the secret image can be recovered by simply stacking the shares on top of each other. Such schemes do therefore not require any knowledge of cryptography tools to recover the secret, and they have widespread applications, for example, when sharing QR codes or medical images. In this work we deal with visual cryptography threshold schemes for color images. Our color model differs from most previous work by allowing arbitrary colors to be stacked, resulting in a possibly different color. This more general color monoid model enables us to achieve shorter pixel expansion and higher contrast than comparable schemes. We revisit the polynomial framework of Koga and Ishihara for constructing visual cryptography schemes and apply the monoid ring to obtain new schemes for color visual cryptography.
• Abstract（参考訳）: ビジュアル暗号スキームは、秘密情報が画像であり、その共有が透明性に印刷される秘密共有スキームであり、秘密画像は、お互いの上にシェアを積み重ねて回収することができる。 このようなスキームは暗号化ツールの知識を必要とせず、QRコードや医療画像の共有など、広く応用されている。 本研究では、カラー画像の視覚暗号しきい値スキームを扱う。 私たちの色モデルは、任意の色を積み重ねることによって、おそらく異なる色になる、という従来の方法とは異なる。 このより一般的な色モノイドモデルにより、より短いピクセル展開と同等のスキームよりも高いコントラストを実現することができる。 視覚暗号スキームを構築するために甲賀と石原の多項式フレームワークを再検討し、モノイドリングを適用して色暗号の新しいスキームを得る。

関連論文リスト

• An Effective Approach to Scramble Multiple Diagnostic Imageries Using Chaos-Based Cryptography [0.0]
  カオスシステムに基づく医用画像暗号化方式を提案する。 平画像とカオスキーに基づく置換は、平画像のピクセルを他の行や列にシャッフルするために提供される。 本研究では, 分岐プロット, Lyapunov指数, MSE, PSNR試験, ヒストグラム解析などの様々な手法と試験を用いて, 提案システムのカオス的挙動を解析した。
  論文  参考訳（メタデータ） (2024-05-02T05:18:46Z)
• UniGS: Unified Representation for Image Generation and Segmentation [105.08152635402858]
  カラーマップを使用してエンティティレベルのマスクを表現し、さまざまなエンティティ番号の課題に対処します。 マスク表現を支援するために、位置認識カラーパレットとプログレッシブ二分法モジュールを含む2つの新しいモジュールが提案されている。
  論文  参考訳（メタデータ） (2023-12-04T15:59:27Z)
• Recoverable Privacy-Preserving Image Classification through Noise-like Adversarial Examples [26.026171363346975]
  分類などのクラウドベースの画像関連サービスが重要になっている。 本研究では,新しいプライバシー保護画像分類手法を提案する。 暗号化された画像は、秘密鍵を使用して、高い忠実度(保存可能な)で元の形式に復号することができる。
  論文  参考訳（メタデータ） (2023-10-19T13:01:58Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Generative Model-Based Attack on Learnable Image Encryption for Privacy-Preserving Deep Learning [14.505867475659276]
  本稿では,プライバシ保護深層学習のための学習可能な画像暗号化手法に対する,新たな生成モデルに基づく攻撃を提案する。 我々は、StyleGANベースモデルと潜伏拡散ベースモデルという、最先端の2つの生成モデルを使用している。 その結果,提案手法により再構成された画像は,通常の画像と知覚的に類似していることがわかった。
  論文  参考訳（メタデータ） (2023-03-09T05:00:17Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• StyleGAN Encoder-Based Attack for Block Scrambled Face Images [14.505867475659276]
  本稿では,スクランブルされた顔画像,特に Encryption-then-Compression (EtC) 適用画像のブロック手法を提案する。 暗号化された画像から同一の画像を復元する代わりに、暗号化された画像から識別可能な情報を明らかにするスタイルの復元に重点を置いている。 現状の攻撃方法はEtC画像から知覚情報を復元することはできないが,本手法では,髪の色,肌の色,眼鏡,性別などの個人識別情報を開示する。
  論文  参考訳（メタデータ） (2022-09-16T14:12:39Z)
• HistoGAN: Controlling Colors of GAN-Generated and Real Images via Color Histograms [52.77252727786091]
  HistoGANは、GAN生成画像の色を制御するための色ヒストグラムに基づく方法である。 我々は、HistoGANを拡張して、実画像を再色する方法を示す。
  論文  参考訳（メタデータ） (2020-11-23T21:14:19Z)
• Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
  画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。 エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。 本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-29T14:46:05Z)
• Pyramid Attention Networks for Image Restoration [124.34970277136061]
  自己相似性(Self-similarity)とは、画像復元アルゴリズムで広く使われる画像を指す。 近年の深層畳み込みニューラルネットワークによる画像復元手法は, 自己相似性を十分に活用していない。 画像復元のための新しいピラミッドアテンションモジュールを提案し,マルチスケール特徴ピラミッドから長距離特徴対応をキャプチャする。
  論文  参考訳（メタデータ） (2020-04-28T21:12:36Z)

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。