論文の概要: A Content-Aware Pure Permutation with Intrinsic Avalanche Effect: Breaking the Diffusion-Permutation Dichotomy

• arxiv url: http://arxiv.org/abs/2608.09452v1
• Date: Mon, 10 Aug 2026 11:23:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.220747
• Title: A Content-Aware Pure Permutation with Intrinsic Avalanche Effect: Breaking the Diffusion-Permutation Dichotomy
• Title（参考訳）: 内在性雪崩効果をともなう有意な純置換 : 拡散-置換二分法を破る
• Abstract要約: 本稿では,TCA(Triangular Content-Aware Permutation)アルゴリズムを提案する。 この方法は、Cannyを用いてエッジポイントを抽出し、エッジとコーナーにDlaunay Triangulationを適用し、ユニークなパーティションを生成する。 三角測量は画像幾何学に非常に敏感であるため、一つのピクセルを変更するとエッジマップが変化し、完全に異なる三角法と大域的な置換パターンが生じる。
• 参考スコア（独自算出の注目度）: 4.947788056001231
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pixel permutation is a fundamental tool in image processing, image encryption, and data hiding (including watermarking and steganography) that rearranges pixels without changing their values. A common assumption in the literature is that permutation alone cannot create differential sensitivity; changing one pixel merely relocates that pixel in the output, producing no avalanche effect. This paper challenges this by introducing the Triangular Content-Aware Permutation (TCA) algorithm. The method extracts edge points using Canny and applies Delaunay Triangulation to edges and corners, creating a unique partition. Since triangulation is highly sensitive to image geometry, changing a single pixel alters the edge map, resulting in a completely different triangulation and global permutation pattern. Unlike classical dimension-based permutations and advanced content-aware methods (2025-2026), which lack differential sensitivity, TCA increases NPCR from near-zero to 97.10% solely through pixel relocation. Experiments on 50 images show that TCA, with an average of 14.81 iterations, achieves NPCR = 97.10% and UACI = 20.06%, proving pure permutation can create significant differential sensitivity. Conventional methods maintain near-zero NPCR. The iteration threshold varies from 6.4 to 30.7 based on content complexity. Low PSNR (11.93 dB) and near-zero correlation (~10^-3) confirm superior statistical performance. Although slower than classical methods due to triangulation, this is a deliberate trade-off for stronger security. Given the non-analytic, content-dependent nature of the pattern, TCA is ideal for reference-based encryption, fragile watermarking, and non-blind steganography.
• Abstract（参考訳）: ピクセル置換は、画像処理、画像暗号化、データ隠蔽(透かしやステガノグラフィーを含む)において、値を変更することなくピクセルを並べ替える基本的なツールである。 文献における一般的な仮定は、置換だけでは差分感度を生成できない、すなわち、1ピクセルの変更は出力中のピクセルを単に移動させるだけであり、雪崩効果は生じない、というものである。 本稿では,TCAアルゴリズムを導入することでこの問題に対処する。 この方法は、Cannyを用いてエッジポイントを抽出し、エッジとコーナーにDlaunay Triangulationを適用し、ユニークなパーティションを生成する。 三角測量は画像幾何学に非常に敏感であるため、一つのピクセルを変更するとエッジマップが変化し、完全に異なる三角法と大域的な置換パターンが生じる。 差感度に欠ける古典的な次元に基づく置換法や高度なコンテンツ認識法(2025-2026)とは異なり、TCAはNPCRをほぼゼロから97.10%に増やす。 50枚の画像での実験では、TCAは平均14.81回の反復でNPCR = 97.10%、UACI = 20.06%に達し、純粋な置換が大きな差分感度をもたらすことが示されている。 従来の方法は、ほぼゼロのNPCRを維持している。 イテレーションのしきい値は、コンテンツ複雑さに基づいて6.4から30.7に変化する。 低いPSNR (11.93 dB) とほぼゼロの相関 (~10^-3) により, 優れた統計性能が確認された。 三角測量による古典的な手法よりも遅いが、これはより強力なセキュリティのための意図的なトレードオフである。 パターンの非解析的でコンテンツに依存しない性質を考えると、TCAは参照ベースの暗号化、脆弱な透かし、および非盲検ステガノグラフィーに最適である。

関連論文リスト

• Bit-Level Triangular Content-Aware Permutation for Fragile Image Watermarking: Zero False Positive Rate, Single-Bit Sensitivity, and Arbitrary Dimension Support [4.947788056001231]
  本稿では,セキュリティとローカライゼーションを向上する,次元に依存しないフレキシブルな透かしアルゴリズムを提案する。 中心となる革新は、内在的雪崩効果(TCA)によるコンテンツ依存の置換をビットプレーンレベルで適用し、ユニークなコンテンツ依存の透かしを生成することである。 18件の攻撃に対する50グレースケールと10カラーイメージの実験では、17件の攻撃に対してFPR=0%とFNR=0%が示された。
  論文  参考訳（メタデータ） (2026-08-14T18:12:52Z)
• Generative Semantic Segmentation via an Observable Semantic-Image Interface and Hierarchical Generator Evidence Alignment [1.6199400106794555]
  生成的セマンティックセグメンテーションは、構造化された予測を画像として公開するが、直接カラーデコーディングは、色ドリフトと境界ミキシングの影響を受けやすい。 本稿では,セマンティック・プリズム(Semantic Prism)を提案する。
  論文  参考訳（メタデータ） (2026-08-12T01:00:04Z)
• From Pixels to Primitives: Scene Change Detection in 3D Gaussian Splatting [8.895952132148304]
  我々は、ネイティブプリミティブ属性だけでシーン変化検出に十分な信号を持っているという証拠を提供する。 プリミティブを直接操作することで、GD-DIFFという2つのプロパティが、レンダリング-then-compareメソッドと区別されます。
  論文  参考訳（メタデータ） (2026-05-08T03:50:10Z)
• Thera: Aliasing-Free Arbitrary-Scale Super-Resolution with Neural Heat Fields [57.61024735931613]
  任意のスケールの単一画像超解像(ASR)に対する最近のアプローチでは、任意の解像度でサンプリングできる連続的な信号を表現するためにニューラルネットワークを使用している。 既存の方法は、各スケーリング係数における場の積分バージョンを近似し、忠実さと一般化の両方を補うことによって、これを緩和しようとする。 物理的に正確なPSFをモデル化する新しい神経場定式化であるニューラルヒートフィールドを導入する。 我々の定式化は、任意の所望の出力解像度で分析的に正しいアンチエイリアスを可能にする。
  論文  参考訳（メタデータ） (2023-11-29T14:01:28Z)
• Rethinking Image Forgery Detection via Soft Contrastive Learning and Unsupervised Clustering [27.495469888054032]
  画像偽造検出は、画像内の偽造領域を検出し、発見することを目的としている。 既存の偽造検出アルゴリズムは、画素を偽造または偽造に分類するために分類問題を定式化している。 本稿では,ソフトコントラスト学習と教師なしクラスタリングに基づく,新しい,シンプルかつ極めて効果的なパラダイムであるFOCAL法を提案する。
  論文  参考訳（メタデータ） (2023-08-18T05:05:30Z)
• High-Fidelity Zero-Shot Texture Anomaly Localization Using Feature Correspondence Analysis [3.085407950646415]
  テクスチャ上のゼロショット異常局所化の新しい手法を提案する。 このタスクは、他の同種画像における異常領域を特定することを指す。 分布間の全体的距離を使用するのとは対照的に、提案手法は局所的な文脈で画素の非整合性をピンポイントすることができる。 提案手法をいくつかのデータセットで検証し,MVTec ADデータセット上での過去の技術状況よりも40%以上誤差を低減した。
  論文  参考訳（メタデータ） (2023-04-13T12:02:40Z)
• Feature Space Targeted Attacks by Statistic Alignment [74.40447383387574]
  特徴空間ターゲットは、中間特徴写像を変調して摂動画像を攻撃する。 画素ワイドユークリッド距離の現在の選択は、ソースとターゲットの特徴に不合理に空間整合性制約を課すため、不一致を測定することが疑問視されている。 本稿では,Pair-wise Alignment AttackとGlobal-wise Alignment Attackという2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-25T03:46:39Z)
• Patch-wise++ Perturbation for Adversarial Targeted Attacks [132.58673733817838]
  トランスファビリティの高い対比例の作成を目的としたパッチワイズ反復法(PIM)を提案する。 具体的には、各イテレーションのステップサイズに増幅係数を導入し、$epsilon$-constraintをオーバーフローする1ピクセルの全体的な勾配が、その周辺領域に適切に割り当てられる。 現在の攻撃方法と比較して、防御モデルでは35.9%、通常訓練されたモデルでは32.7%、成功率を大幅に向上させた。
  論文  参考訳（メタデータ） (2020-12-31T08:40:42Z)
• Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image Classification [97.81205777897043]
  近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。 一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。 提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
  論文  参考訳（メタデータ） (2020-10-09T16:38:38Z)
• Patch-wise Attack for Fooling Deep Neural Network [153.59832333877543]
  我々は,一般的な訓練と防御モデルに対するブラックボックス攻撃であるパッチワイド反復アルゴリズムを提案する。 我々は、防衛モデルで9.2%、通常訓練されたモデルで3.7%、成功率で著しく改善した。
  論文  参考訳（メタデータ） (2020-07-14T01:50:22Z)
• End-to-end Interpretable Learning of Non-blind Image Deblurring [102.75982704671029]
  非ブラインド画像のデブロワーリングは、通常、対応するシャープ画像の勾配に関する自然の先行によって正規化される線形最小二乗問題として定式化される。 本稿では,(既知の)ぼかしと自然像前のカーネルの逆フィルタを用いて,リチャードソン解法を事前条件として提案する。
  論文  参考訳（メタデータ） (2020-07-03T15:45:01Z)
• Region adaptive graph fourier transform for 3d point clouds [51.193111325231165]
  本稿では,3次元点雲特性の圧縮のための領域適応グラフフーリエ変換(RA-GFT)を提案する。 RA-GFTは従来の手法よりも複雑性と性能のトレードオフが優れている。
  論文  参考訳（メタデータ） (2020-03-04T02:47:44Z)
• Certified Defense to Image Transformations via Randomized Smoothing [13.482057387436342]
  ランダム化スムーシングを拡張して変換(例えば、回転、翻訳)をカバーし、パラメータ空間の証明を行う。 乱れや丸みを帯びた効果は、画像変換が構成されないことを意味するため、これは特に困難である。 本稿では,統計的誤差境界や画像変換の効率的な逆計算によって,個々の証明がどのように得られるかを示す。
  論文  参考訳（メタデータ） (2020-02-27T22:02:32Z)

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。