論文の概要: Diffusion-Based Authentication of Copy Detection Patterns: A Multimodal Framework with Printer Signature Conditioning

• arxiv url: http://arxiv.org/abs/2603.08998v1
• Date: Mon, 09 Mar 2026 22:33:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:23.860318
• Title: Diffusion-Based Authentication of Copy Detection Patterns: A Multimodal Framework with Printer Signature Conditioning
• Title（参考訳）: 拡散に基づくコピー検出パターンの認証:プリンタ署名条件付きマルチモーダルフレームワーク
• Authors: Bolutife Atoki, Iuliia Tkachenko, Bertrand Kerautret, Carlos Crispim-Junior,
• Abstract要約: プリンタシグネチャに対するマルチクラスプリンタ分類としてのフォーミュラ化認証により、当社のモデルでは、きめ細かいデバイス固有の特徴をキャプチャできる。 クラス条件付き雑音予測のためのデノナイズ処理を再利用し,制御ネットを拡張した。 結果として、フレームワークはトレーニング中に見つからない偽造型を一般化している。
• 参考スコア（独自算出の注目度）: 24.87648457099111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfeiting affects diverse industries, including pharmaceuticals, electronics, and food, posing serious health and economic risks. Printable unclonable codes, such as Copy Detection Patterns (CDPs), are widely used as an anti-counterfeiting measure and are applied to products and packaging. However, the increasing availability of high-resolution printing and scanning devices, along with advances in generative deep learning, undermines traditional authentication systems, which often fail to distinguish high-quality counterfeits from genuine prints. In this work, we propose a diffusion-based authentication framework that jointly leverages the original binary template, the printed CDP, and a representation of printer identity that captures relevant semantic information. Formulating authentication as multi-class printer classification over printer signatures lets our model capture fine-grained, device-specific features via spatial and textual conditioning. We extend ControlNet by repurposing the denoising process for class-conditioned noise prediction, enabling effective printer classification. On the Indigo 1 x 1 Base dataset, our method outperforms traditional similarity metrics and prior deep learning approaches. Results show the framework generalises to counterfeit types unseen during training.
• Abstract（参考訳）: 偽造は医薬品、電子製品、食品など様々な産業に影響を及ぼし、深刻な健康と経済のリスクを生じさせている。 コピー検出パターン(CDP)のような印刷不能なコードは、反偽造対策として広く使われ、製品や包装に適用される。 しかし、高解像度の印刷および走査装置の入手が増加し、生成的深層学習の進歩とともに、従来の認証システムが損なわれ、しばしば高品質の偽造と本物の印刷物との区別に失敗する。 本研究では,元のバイナリテンプレート,印刷されたCDP,および関連する意味情報をキャプチャするプリンタIDの表現を共同で活用する拡散型認証フレームワークを提案する。 プリンタシグネチャに対するマルチクラスプリンタ分類としてのフォーミュラ化認証により、空間的およびテキスト的条件付けにより、細粒度でデバイス固有の特徴をキャプチャできる。 我々は、クラス条件付き雑音予測のためのデノナイズ処理を再利用し、効果的なプリンタ分類を可能にすることにより、制御ネットを拡張した。 Indigo 1 x 1 Base データセットでは、従来の類似度指標と事前のディープラーニングアプローチよりも優れています。 結果として、フレームワークはトレーニング中に見つからない偽造型を一般化している。

関連論文リスト

• Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
  ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。 この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。 提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
  論文  参考訳（メタデータ） (2025-11-25T04:49:16Z)
• SeedPrints: Fingerprints Can Even Tell Which Seed Your Large Language Model Was Trained From [65.75182441010327]
  我々は,LDMフィンガープリントのより強く,より本質的な概念であるSeedPrintsを提案する。 トレーニングされていないモデルでは,パラメータのみに依存した再現可能なトークン選択バイアスが示される。 LLaMAスタイルとQwenスタイルのモデルの実験では、SeedPrintsはシードレベルの識別性を実現し、バイオメトリック指紋に似た生来からライフサイクルの識別認証を提供する。
  論文  参考訳（メタデータ） (2025-09-30T15:34:08Z)
• Exploiting Discriminative Codebook Prior for Autoregressive Image Generation [54.14166700058777]
  トークンベースの自己回帰画像生成システムは、まずトークンインデックスのシーケンスをコードブックでトークン化し、次にこれらのシーケンスを自己回帰パラダイムでモデル化する。 自己回帰生成モデルはインデックス値のみに基づいて訓練されるが、豊富なトークン類似性情報を含むコードブックにエンコードされた前者は利用されない。 近年の研究では、トークン上に単純なk平均クラスタリングを行い、コードブックを減らした生成モデルのトレーニングを容易にすることで、これを先に組み込もうとしている。 k-meansの代替として、差別的コードブック先駆者(DCPE)を提案する。
  論文  参考訳（メタデータ） (2025-08-14T15:00:00Z)
• A Watermark for Auto-Regressive Image Generation Models [50.599325258178254]
  画像生成モデル用に明示的に設計された歪みのない透かし法であるC-reweightを提案する。 C-reweightは画像の忠実性を維持しながら再起動ミスマッチを緩和する。
  論文  参考訳（メタデータ） (2025-06-13T00:15:54Z)
• UNIT: Unifying Image and Text Recognition in One Vision Encoder [51.140564856352825]
  UNITは、単一のモデル内で画像とテキストの認識を統一することを目的とした、新しいトレーニングフレームワークである。 文書関連タスクにおいて,UNITが既存の手法を著しく上回ることを示す。 注目すべきなのは、UNITはオリジナルのビジョンエンコーダアーキテクチャを保持しており、推論とデプロイメントの点で費用がかからないことだ。
  論文  参考訳（メタデータ） (2024-09-06T08:02:43Z)
• LCM-Lookahead for Encoder-based Text-to-Image Personalization [82.56471486184252]
  我々は,テキスト・ツー・イメージ・モデルのパーソナライズを導くために,ショートカット・メカニズムを利用する可能性を探る。 エンコーダをベースとしたパーソナライズ手法に焦点をあてて、ルックアヘッドのアイデンティティ損失を調整することで、より高いアイデンティティの忠実性を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-04-04T17:43:06Z)
• Mathematical model of printing-imaging channel for blind detection of fake copy detection patterns [10.292065384528799]
  本稿では,CDP認証のための印刷画像チャネルの数学的モデルを提案する。 その結果、訓練段階で未知のコピーフェイクを深層学習でも確実に認証できることが判明した。
  論文  参考訳（メタデータ） (2022-12-14T16:46:54Z)
• Printing variability of copy detection patterns [10.292065384528799]
  コピー検出パターン(CDP)は偽造防止のための新しいソリューションである。 CDPは代替保護技術と比較して多くの利点があるため、反偽造産業を惹きつけている。 本稿では,2つの産業用HP Indigoプリンタによる新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2022-10-11T11:09:14Z)
• Anomaly localization for copy detection patterns through print estimations [10.292065384528799]
  コピー検出パターン(CDP)は、製品の偽造から保護するための最近の技術である。 ディープラーニングベースの偽造は、従来の認証システムによるオリジナルとほとんど区別できないことが示されている。 本研究では、デジタルテンプレートとプリント元のCDPのみを必要とする機械学習(ML)ベースの認証システムを設計する。
  論文  参考訳（メタデータ） (2022-09-29T13:18:57Z)
• Authentication of Copy Detection Patterns under Machine Learning Attacks: A Supervised Approach [10.292065384528799]
  コピー検出パターン(CDP)は、メーカーが偽造から製品を守るための魅力的な技術である。 これまでの研究によると、機械学習(ML)ベースの攻撃は高品質な偽物を生み出す可能性がある。 本研究では,教師付き学習(SL)の設定を前提とした,そのような性能について検討する。
  論文  参考訳（メタデータ） (2022-06-23T15:58:28Z)

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。