論文の概要: PRoADS: Provably Secure and Robust Audio Diffusion Steganography with latent optimization and backward Euler Inversion
- arxiv url: http://arxiv.org/abs/2603.10314v1
- Date: Wed, 11 Mar 2026 01:29:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:32.742121
- Title: PRoADS: Provably Secure and Robust Audio Diffusion Steganography with latent optimization and backward Euler Inversion
- Title（参考訳）: PRoADS: 潜時最適化と後方ユーラーインバージョンを用いた安全かつロバストなオーディオ拡散ステガノグラフィ
- Authors: YongPeng Yan, Yanan Li, Qiyang Xiao, Yanzhen Ren,
- Abstract要約: PRoADSは、オーディオ拡散モデルに基づく、確実かつ堅牢なオーディオステガノグラフィーフレームワークである。
本稿では、遅延再構成と拡散反転誤差を最小限に抑えるために、遅延最適化と後方反転を導入する。
提案方式は,64kbpsMP3圧縮以下で0.15%の極めて低いBERを維持できる。
- 参考スコア（独自算出の注目度）: 10.898820755848583
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes PRoADS, a provably secure and robust audio steganographic framework based on audio diffusion models. As a generative steganography scheme, PRoADS embeds secret messages into the initial noise of diffusion models via orthogonal matrix projection. To address the reconstruction errors in diffusion inversion that cause high bit error rates (BER), we introduce Latent Optimization and Backward Euler Inversion to minimize the latent reconstruction and diffusion inversion errors. Comprehensive experiments demonstrate that our scheme sustains a remarkably low BER of 0.15\% under 64 kbps MP3 compression, significantly outperforming existing methods and exhibiting strong robustness.
- Abstract（参考訳）: 本稿では,音声拡散モデルに基づく確実かつ堅牢な音声ステガノグラフィーフレームワークであるPRoADSを提案する。
生成ステガノグラフィースキームとして、PRoADSは直交行列投影による拡散モデルの初期ノイズに秘密のメッセージを埋め込む。
高ビット誤り率(BER)を引き起こす拡散インバージョンにおける再構成誤差に対処するため,遅延再構成と拡散インバージョン誤差を最小限に抑えるために遅延最適化と後方オイラーインバージョンを導入する。
包括的実験により,提案方式は64kbpsMP3圧縮率0.15\%の極めて低いBERを維持でき,既存の手法よりも優れ,強靭性を示すことが示された。
関連論文リスト
- ReDDiT: Rehashing Noise for Discrete Visual Generation [53.813067778912]
離散拡散変圧器(終端型ReDDiT)のためのリハッシングノイズアプローチを提案する。
我々は、吸収状態を拡張し、離散拡散モデルの表現能力を向上させることを目的としている。
実験の結果、ReDDiTはベースラインモデルよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-05-26T08:17:20Z) - Reconstruction-Free Anomaly Detection with Diffusion Models [30.099399014193573]
Inversion-based Anomaly Detection (AD) 手法を提案する。
元の確率フローODEを近似する際、クリーンな画像にノイズを与えるための反転ステップはごくわずかである。
付加雑音が学習拡散モデルに適応的に導出されるので、クリーンテスト画像の原特徴を引き続き利用して高い検出精度を得ることができる。
論文 参考訳（メタデータ） (2025-04-08T04:23:43Z) - One-Step Diffusion Model for Image Motion-Deblurring [85.76149042561507]
本稿では,脱臭過程を1段階に短縮する新しいフレームワークである脱臭拡散モデル(OSDD)を提案する。
拡散モデルにおける忠実度損失に対処するために,構造復元を改善する改良された変分オートエンコーダ(eVAE)を導入する。
提案手法は,実測値と非参照値の両方で高い性能を達成する。
論文 参考訳（メタデータ） (2025-03-09T09:39:57Z) - Optimizing for the Shortest Path in Denoising Diffusion Model [8.884907787678731]
最短経路拡散モデル(ShortDF)は、復調誤差の最小化を目的とした最短経路問題である。
複数の標準ベンチマークの実験により、ShortDFは拡散時間(またはステップ)を大幅に短縮することが示された。
この研究は、インタラクティブな拡散ベースのアプリケーションへの道を開き、高速なデータ生成の基礎を確立します。
論文 参考訳（メタデータ） (2025-03-05T08:47:36Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T03:08:28Z) - DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。
高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。
異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文 参考訳（メタデータ） (2023-03-15T16:14:06Z) - A Study on Speech Enhancement Based on Diffusion Probabilistic Model [63.38586161802788]
雑音信号からクリーンな音声信号を復元することを目的とした拡散確率モデルに基づく音声強調モデル(DiffuSE)を提案する。
実験結果から、DiffuSEは、標準化されたVoice Bankコーパスタスクにおいて、関連する音声生成モデルに匹敵する性能が得られることがわかった。
論文 参考訳（メタデータ） (2021-07-25T19:23:18Z)
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。