論文の概要: Beyond Distortion Robustness: Rethinking Severe Cropping as Erasure-Resilient Message Embedding

• arxiv url: http://arxiv.org/abs/2608.18567v2
• Date: Thu, 27 Aug 2026 06:11:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 14:16:51.445137
• Title: Beyond Distortion Robustness: Rethinking Severe Cropping as Erasure-Resilient Message Embedding
• Title（参考訳）: 歪曲性を超えたロバスト性:深刻なクロップを消去耐性のメッセージ埋め込みとして再考
• Authors: Bo Pang, Weibin Kong, Juntu Dong, Minghan Li, Zhongping Zhang,
• Abstract要約: 本稿では,CRESTという概念実証フレームワークについて述べる。 CRESTは、コンパクトQRメッセージを冗長な空間ペイロードに拡張することで、コーディング理論の冗長性とニューラル埋め込みとリカバリを組み合わせる。 COCO、DIV2K、VOC2012の実験は、CRESTが厳しい収穫の下で回復し、競争力のある視覚的品質を維持しながら改善していることを示している。
• 参考スコア（独自算出の注目度）: 6.7401381223686725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust message embedding in images is important for multimedia security applications such as copyright protection and content tracing. Existing methods are largely developed under a distortion robustness paradigm, where the embedded signal remains spatially present but is degraded by noise, blur, or compression. Severe cropping poses a fundamentally different challenge because it removes part of the carrier itself, causing partial payload disappearance rather than mere signal corruption. In this paper, we revisit robust message embedding from an erasure-resilience perspective and present CREST, a proof-of-concept framework for severe-cropping-robust embedding. CREST combines coding-theoretic redundancy with neural embedding and recovery by expanding a compact QR message into a redundant spatial payload via LT fountain coding and coupling it with cropping-aware embedding and fragment recovery. Experiments on COCO, DIV2K, and VOC2012 show that CREST improves recovery under severe cropping while maintaining competitive visual quality. Under mixed distortions with an area retention ratio of 0.7, CREST improves TRA from 18.52% to 68.45% and reduces EMR from 13.88% to 4.21% over the strongest baseline. On COCO2017, CREST still achieves 48.55--65.12% TRA when only 30--50% of the image area is retained, whereas all compared baselines fail to recover the message. These results suggest that severe cropping is better understood as an erasure problem rather than a conventional distortion problem, motivating the joint design of neural embedding and coding-based recovery.
• Abstract（参考訳）: 画像へのロバストメッセージの埋め込みは、著作権保護やコンテンツトレースといったマルチメディアセキュリティアプリケーションにとって重要である。 既存の手法は、畳み込み信号が空間的に存在するがノイズ、ぼかし、圧縮によって劣化する歪み堅牢性パラダイムの下で主に開発されている。 重度の収穫は、キャリア自体の一部を取り除き、信号の破損よりも部分的なペイロードの消失を引き起こすため、根本的に異なる課題となる。 本稿では,消去耐性の観点からのロバストなメッセージ埋め込みと,厳密なクローピング・ロバスト埋め込みのための概念実証フレームワークであるCRESTについて述べる。 CRESTは、コーディング理論の冗長性と、ニューラルネットワークの埋め込みとリカバリを組み合わせたもので、コンパクトQRメッセージをLTファウンダリコーディングを通じて冗長な空間ペイロードに拡張し、それをトリミング認識の埋め込みとフラグメントリカバリと結合する。 COCO、DIV2K、VOC2012の実験は、CRESTが厳しい収穫の下で回復し、競争力のある視覚的品質を維持しながら改善していることを示している。 領域保持率0.7の混合歪みの下で、CRESTはTRAを18.52%から68.45%に改善し、EMRを13.88%から4.21%に下げる。 COCO2017では、CRESTは画像領域の30-50%しか保持していない場合、48.55--65.12%のTRAを実現している。 これらの結果から,重度の収穫は従来の歪み問題よりも消去問題として理解され,ニューラル埋め込みとコードベースリカバリのジョイントデザインが動機であることが示唆された。

関連論文リスト

• DARA: Degradation-Aware Low-Rank Residual Adaptation with Original-to-Corrupted Distillation for Corruption-Robust Animal Re-Identification [0.42970700836450487]
  入力条件付き特徴空間修復法として汚損動物Re-IDについて検討した。 本稿では,コンパクトなRe-IDモデルのための軽量なリファインメントであるDARAを紹介する。 DarAは微調整されたバックボーンを凍結し、ルートされた低ランクの残留専門家を学び、劣化したインプットの埋め込みに適応する。
  論文  参考訳（メタデータ） (2026-07-18T05:25:49Z)
• Efficient One-Step Diffusion Restoration Model with Compact Token Compression and Linear Attention [66.63806505114263]
  既存のReal-ISR法は、高密度な潜在表現と2次コストのグローバルモデリングパラダイムを継承する。 重要なボトルネックは、高分解能回復中の過剰なトークン冗長性とコストのかかるトークン相互作用にある、と我々は主張する。 我々は,LRA微細調整によるリニアアテンションDiTを導入し,リニア複雑トークン混合による高分解能復元を実現した。
  論文  参考訳（メタデータ） (2026-05-22T10:07:02Z)
• ResGuard: Enhancing Robustness Against Known Original Attacks in Deep Watermarking [42.919499074624895]
  ディープラーニングベースのイメージ透かしでは、堅牢性を改善するために"Encoder-Noise Layer-Decoder"(END)アーキテクチャが一般的である。 敵が複数のオリジナルウォーターマークされたイメージペアにアクセス可能なKOA(Known Original Attack)。 簡単な残差除去アプローチ、すなわち、既知のペアからの埋め込み残差を推定し、目に見えない透かし画像から取り除くことで、ほぼ完全に透かしを除去できることを示す。
  論文  参考訳（メタデータ） (2026-04-04T11:45:48Z)
• Deeply-Conditioned Image Compression via Self-Generated Priors [75.29511865838812]
  我々は,自己生成前駆体(DCIC-sgp)を経由したDeeply-Conditioned Image Compression(Deeply-Conditioned Image Compression)という,機能的分解を前提としたフレームワークを提案する。 我々のフレームワークは、Kodak、CLIC、Tecnickデータセット上のVVCテストモデルVTM-12.1に対して、14.4%、15.7%、および15.1%のBDレートの大幅な削減を実現している。
  論文  参考訳（メタデータ） (2025-10-28T14:04:19Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• Reconstruction Distortion of Learned Image Compression with Imperceptible Perturbations [69.25683256447044]
  本稿では,学習画像圧縮(lic)の再構成品質を効果的に劣化させる攻撃手法を提案する。 我々は,Frobeniusノルムに基づく損失関数を導入して,元の画像と再構成された逆例との差を最大化することによって,逆例を生成する。 様々なlicモデルを用いてKodakデータセット上で実験を行った結果,有効性が確認された。
  論文  参考訳（メタデータ） (2023-06-01T20:21:05Z)
• Cross Modal Compression: Towards Human-comprehensible Semantic Compression [73.89616626853913]
  クロスモーダル圧縮は、視覚データのためのセマンティック圧縮フレームワークである。 提案したCMCは,超高圧縮比で再現性の向上が期待できることを示す。
  論文  参考訳（メタデータ） (2022-09-06T15:31:11Z)
• Recovering compressed images for automatic crack segmentation using generative models [13.519853801218005]
  本手法を用いて, 圧縮き裂画像の自動割断回収フレームワークを開発した。 我々の回復フレームワークは,既存の3つのCSアルゴリズムと比較した。
  論文  参考訳（メタデータ） (2020-03-06T04:48:05Z)

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。