Fugu-MT 論文翻訳(概要): DTAMS: High-Capacity Generative Steganography via Dynamic Multi-Timestep Selection and Adaptive Deviation Mapping in Latent Diffusion

論文の概要: DTAMS: High-Capacity Generative Steganography via Dynamic Multi-Timestep Selection and Adaptive Deviation Mapping in Latent Diffusion

arxiv url: http://arxiv.org/abs/2602.01160v1
Date: Sun, 01 Feb 2026 11:15:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-03 19:28:33.634302
Title: DTAMS: High-Capacity Generative Steganography via Dynamic Multi-Timestep Selection and Adaptive Deviation Mapping in Latent Diffusion
Title（参考訳）: DTAMS: 遅延拡散における動的多段階選択と適応偏差マッピングによる高容量生成ステガノグラフィ
Authors: Yuhao Xue, Jiuan Zhou, Yu Cheng, Zhaoxia Yin,
Abstract要約: 画像ステガノグラフィーは、高い知覚力と柔軟性のために注目を集めている。既存のジェネレーティブ・ステガノグラフィー法は比較的低い埋め込み速度でのみ許容されるセキュリティと堅牢性を維持する。本稿では,強力な堅牢性とセキュリティを確保しつつ,高い埋め込み率を実現する新しいDTAMSフレームワークを提案する。
参考スコア（独自算出の注目度）: 11.99197806023714
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the rapid development of AIGC technologies, generative image steganography has attracted increasing attention due to its high imperceptibility and flexibility. However, existing generative steganography methods often maintain acceptable security and robustness only at relatively low embedding rates, severely limiting the practical applicability of steganographic systems. To address this issue, we propose a novel DTAMS framework that achieves high embedding rates while ensuring strong robustness and security. Specifically, a dynamic multi-timestep adaptive embedding mechanism is constructed based on transition-cost modeling in diffusion models, enabling automatic selection of optimal embedding timesteps to improve embedding rates while preserving overall performance. Meanwhile, we propose a global sub-interval mapping strategy that jointly considers mapping errors and the frequency distribution of secret information, converting point-wise perturbations into interval-level statistical mappings to suppress error accumulation and distribution drift during multi-step diffusion processes. Furthermore, a multi-dimensional joint constraint mechanism is introduced to mitigate distortions caused by repeated latent-pixel transformations by jointly regularizing embedding errors at the pixel, latent, and semantic levels. Experiments demonstrate that the proposed method achieves an embedding rate of 12 bpp while maintaining excellent security and robustness. Across all evaluated conditions, DTAMS reduces the average extraction error rate by 59.39%, representing a significant improvement over SOTA methods.
Abstract（参考訳）: AIGC技術の急速な発展に伴い、画像ステガノグラフィーは、高い受容性と柔軟性のために注目を集めている。しかし,既存の造形ステガノグラフィー法は比較的低い埋め込み速度でのみ許容されるセキュリティと堅牢性を維持し,ステガノグラフィーシステムの実用性を大幅に制限する。この問題に対処するため,強力な堅牢性とセキュリティを確保しつつ,高い埋め込み率を実現する新しいDTAMSフレームワークを提案する。具体的には,拡散モデルにおける遷移コストモデルに基づく動的多段階適応埋込機構を構築し,最適埋込時間の自動選択を可能にし,全体の性能を保ちながら埋込率を向上する。一方,多段階拡散過程における誤差蓄積と分布のドリフトを抑制するために,点方向の摂動を間隔レベルの統計マッピングに変換することで,マッピングエラーと秘密情報の頻度分布を共同で検討するグローバルサブインターバルマッピング戦略を提案する。さらに, 画素, 潜時, セマンティックレベルの埋め込み誤差を連成正規化することにより, 繰り返し潜時画素変換による歪みを緩和する多次元関節拘束機構を導入する。実験により, 本手法は優れた安全性とロバスト性を維持しつつ, 12bppの埋込率を達成できることを示した。全ての評価条件において、DTAMSは平均抽出誤差を59.39%削減し、SOTA法よりも大幅に改善した。

関連論文リスト

Robust Posterior Diffusion-based Sampling via Adaptive Guidance Scale [39.27744518020771]
逆プロブレム定式化のための拡散過程を導出する適応的確率ステップサイズ戦略を提案する。結果として得られたアプローチであるAdaptive Posterior diffusion Smpling (AdaPS)は、ハイパーフリーであり、多様な画像タスクにおける再構成品質を改善する。
論文参考訳（メタデータ） (2025-11-23T14:37:59Z)
RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion [64.49056527678606]
本稿では,U-Net拡散モデルだけでなく,レーダ時間エンコーダにも統合されたトークンワイドアテンションを提案する。従来の手法とは異なり,本手法は,画素空間拡散の典型的な高資源コストを発生させることなく,アーキテクチャに注意を集中させる。実験と評価により,提案手法は複雑な降水予測シナリオにおいて,最先端の手法,ロバストネスの局所的忠実度,一般化,優位性を著しく上回ることを示した。
論文参考訳（メタデータ） (2025-10-16T17:59:13Z)
Fitting Image Diffusion Models on Video Datasets [30.688877034764474]
本稿では,連続ビデオフレームに存在する時間的帰納バイアスを利用して拡散訓練を改善する,シンプルで効果的なトレーニング戦略を提案する。本手法はHandCoデータセット上で評価し,手動物体間相互作用が高密度時間的コヒーレンスを示す。
論文参考訳（メタデータ） (2025-09-04T01:04:54Z)
Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文参考訳（メタデータ） (2025-08-27T17:59:36Z)
FOCUS: Frequency-Optimized Conditioning of DiffUSion Models for mitigating catastrophic forgetting during Test-Time Adaptation [35.2621713113709]
テスト時適応により、モデルは進化するドメインに適応できる。ドメインシフトへの適応は、タスク関連知識の忘れを招きかねない。拡散駆動型入力適応フレームワークにおける周波数ベースの新しい条件付け手法であるFOCUSを提案する。
論文参考訳（メタデータ） (2025-08-20T05:44:29Z)
Learning from Heterogeneity: Generalizing Dynamic Facial Expression Recognition via Distributionally Robust Optimization [23.328511708942045]
Heterogeneity-Aware Distributional Framework (HDF) は、時間周波数モデリングを強化し、ハードサンプルによる不均衡を軽減するために設計された。時間周波数分散アテンションモジュール(DAM)は、時間的一貫性と周波数ロバスト性の両方をキャプチャする。適応最適化モジュール分散対応スケーリングモジュール (DSM) は、動的に分類と対照的な損失のバランスをとるために導入された。
論文参考訳（メタデータ） (2025-07-21T16:21:47Z)
PSyDUCK: Training-Free Steganography for Latent Diffusion [22.17835886086284]
PSyDUCKは、潜伏拡散モデルに特化して設計されたトレーニング不要で、モデルに依存しないステガノグラフィーフレームワークである。本手法は,埋め込み強度を精度と検出性のバランスに動的に適用し,既存の画素空間アプローチを大幅に改善する。
論文参考訳（メタデータ） (2025-01-31T14:39:12Z)
Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-12-19T15:34:52Z)
Generative Fractional Diffusion Models [53.36835573822926]
我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
論文参考訳（メタデータ） (2023-10-26T17:53:24Z)
Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-31T03:14:44Z)

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。