論文の概要: Prompt-Segmentation Meets ROI Encryption: Fine-Grained Video Protection Based on Diffusion Isolation
- arxiv url: http://arxiv.org/abs/2610.18558v1
- Date: Tue, 13 Oct 2026 15:30:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 20:40:26.299602
- Title: Prompt-Segmentation Meets ROI Encryption: Fine-Grained Video Protection Based on Diffusion Isolation
- Title（参考訳）: Prompt-SegmentationとROI暗号化:拡散分離に基づく細粒度ビデオ保護
- Abstract要約: H.265/HEVCの領域選択暗号化は、非ROI領域の有用性を維持しながら、機密性の高いコンテンツを保護することを目的としている。
既存の符号化単位(CU)レベルのアプローチは、2つの理由から、かなりの暗号化冗長性に悩まされている。
本稿では,主に2つのコア成分からなるCUレベルROI暗号アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 17.06492634508943
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Region-of-interest (ROI) selective encryption in H.265/HEVC aims to protect sensitive content while preserving the utility of non-ROI regions. Existing coding-unit (CU)-level approaches still suffer from substantial encryption redundancy for two reasons. First, existing approaches map object-detection bounding boxes to CUs, producing regular rectangular regions, which poorly match the shape of irregular ROI boundaries, such as facial contours. Second, their coding-tree-unit (CTU)-based diffusion isolation expands the protected footprint in fixed $64\times64$ blocks, causing encryption-induced distortion to spread over a large number of non-ROI pixels. To address the aforementioned shortcomings, we propose a prompt segmentation-guided CU-level ROI encryption algorithm, which mainly consists of two core components. The first component is a prompt segmentation-guided fine-grained ROI encryption pipeline. It maps pixel-level ROI masks to CUs according to an ROI-overlap threshold, refines boundary CUs to $8\times8$ granularity, and applies format-compliant encryption to multiple syntax elements in the mapped ROI CUs. The second is a dual diffusion isolation strategy to address the encryption diffusion problem. For spatial isolation, the encoder refines non-ROI boundary regions into $8\times8$ CUs and uses PCM mode to bypass intra-frame prediction. For temporal isolation, it removes motion-vector candidates whose reference blocks overlap ROI CUs. Experimental results demonstrate that the proposed method generates encryption regions that more closely match irregular ROI boundaries, effectively confines distortion to the ROI.
- Abstract（参考訳）: H.265/HEVCにおける関心領域選択暗号化(ROI)は、非ROI領域の有用性を維持しながら機密コンテンツを保護することを目的としている。
既存の符号化単位(CU)レベルのアプローチは、2つの理由から、かなりの暗号化冗長性に悩まされている。
まず、既存のアプローチは、物体検出境界ボックスをCUにマッピングし、通常の長方形の領域を生成し、顔の輪郭のような不規則なROI境界の形状によく一致しない。
第二に、コードツリーユニット(CTU)ベースの拡散分離は、固定された644\times64$ブロックで保護されたフットプリントを拡大し、暗号化による歪みが多数の非ROIピクセルに広がる。
上記の欠点に対処するため,主に2つのコア成分からなるCUレベルROI暗号化アルゴリズムを提案する。
第1のコンポーネントは、プロンプトセグメンテーションガイダンスによる粒度のROI暗号化パイプラインである。
ROIオーバーラップのしきい値に従ってピクセルレベルのROIマスクをCUにマップし、境界CUを8\times8$粒度に洗練し、マッピングされたROI CU内の複数の構文要素にフォーマット準拠の暗号化を適用する。
2つ目は、暗号化拡散問題に対処するための二重拡散分離戦略である。
空間隔離のために、エンコーダは非ROI境界領域を8\times8$ CUに洗練し、PCMモードを使用してフレーム内予測をバイパスする。
時間的隔離のために、参照ブロックがROI CUと重複するモーションベクター候補を除去する。
実験により,提案手法は不規則なROI境界とより密に一致した暗号化領域を生成し,ROIの歪みを効果的に抑制することを示した。
関連論文リスト
- Pushing Forward Multi-Secret-Key Homomorphic Encryption for Private Average Aggregation [45.381652768314375]
ホモモルフィック暗号化は、フェデレートラーニングのクライアント-アグリゲータ通信パターンに自然に適合する。
RLWEに基づくホモモルフィック暗号化に基づくプライベート平均アグリゲーションのための軽量なマルチシークレットキープロトコルを提案する。
提案手法は, 実用的な同型アグリゲーション性能を維持しつつ, 暗号文の拡張とオンラインコストを大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-09-01T23:21:48Z) - Edge-directed geometric partitioning for versatile video coding [57.010424923769385]
本稿では,GEOのオーバヘッドを低減し,符号化効率を向上させるため,MPM(Most Probable Mode)リストを構築することでGEOモード予測戦略を提案する。
提案手法は, RA LDB の構成に対して VTM-6.0 と比較して平均0.58%, 1.00% の目標 BD レートゲインを提供する。
論文 参考訳（メタデータ） (2026-06-01T03:47:14Z) - Prefix-Adaptive Block Diffusion for Efficient Document Recognition [52.15352911463151]
ブロック拡散モデル(BDM)は並列生成、フレキシブルな出力、KVキャッシュをサポートし、効率的な文書解析を約束する。
本稿では,前置詞から接尾辞への因果表記に代えて,ブロック内双方向化を代替するPrefix-Block Diffusion Model (PA-BDM)を提案する。
実験の結果、3B PA-BDMはいくつかのベンチマークで高い認識スコアを達成し、2.5B MinerU-Diffusionに対して推論スループットを71.6%向上した。
論文 参考訳（メタデータ） (2026-05-16T07:50:13Z) - Tilewise Domain-Separated Selective Encryption for Remote Sensing Imagery under Chosen-Plaintext Attacks [3.4267780523755995]
本稿では,Tilewise Domain-Separated Selective Encryption (TDS-SE)を提案する。
構造リークは、リニアモデルと軽量畳み込みニューラルネットワークという、2つの再構成ベースの区別器を用いて評価される。
クロスサンプルの一般化は、経験的評価の観点と整合して、設定にまたがって混合的な振る舞いを示す。
論文 参考訳（メタデータ） (2026-02-27T07:57:31Z) - DNA-HHE: Dual-mode Near-network Accelerator for Hybrid Homomorphic Encryption on the Edge [8.276154688000048]
本稿では,エッジデバイスにニアネットワーク結合を有する最初のデュアルモードHHEアクセラレータであるDNA-HHEを提案する。
本稿では, DSP 効率のよいモジュラーリダクション設計, コンパクトなマルチフィールド適応バタフライユニット, および資源共有度の高いRubato の並列スケジューリング方式を提案する。
ASIC と FPGA プラットフォーム上での評価では,DNA-HHE はエッジ側 RNS-CKKS と対称暗号の両方で最先端の単一モード設計よりも高い性能を示し,計算レイテンシと面積効率が向上した。
論文 参考訳（メタデータ） (2025-12-21T04:23:43Z) - From Next-Token to Next-Block: A Principled Adaptation Path for Diffusion LLMs [58.640039233470766]
原理的AR-to-block-diffusion適応は,DLMをスクラッチからトレーニングする上で,有効かつ効率的な代替手段であることを示す。
NBDiff-7B(BaseとInstruct)は、長文のモデリングと推論機能を継承し、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-07T10:28:21Z) - A Visual Perception-Based Tunable Framework and Evaluation Benchmark for H.265/HEVC ROI Encryption [13.243980517875462]
本稿では,H.265/HEVC ROI 暗号化のための視覚認識に基づくチューニング可能なフレームワークと評価ベンチマークを提案する。
セキュリティとリアルタイムパフォーマンスのバランスを保ちながら、3レベルチューニング可能な暗号化戦略が実装されている。
既存のROI暗号化アルゴリズムと比較して,提案手法は複数の性能指標において優れた性能を示す。
論文 参考訳（メタデータ） (2025-11-09T14:05:21Z) - RUN: Reversible Unfolding Network for Concealed Object Segmentation [61.13528324971598]
マスクドメインとRGBドメインの両方にわたる可逆戦略。
マスクとRGBドメインをまたいだ可逆的戦略を適用したReversible Unfolding Network (RUN)を提案する。
論文 参考訳（メタデータ） (2025-01-30T22:19:15Z) - Accurate and lightweight dehazing via multi-receptive-field non-local network and novel contrastive regularization [22.00352317851905]
ディープラーニングベースの手法は、画像のデハージング領域を支配している。
本稿では,MRFNLN(Multi-receptive-field non-local network)について述べる。
論文 参考訳（メタデータ） (2023-09-28T14:59:16Z) - Bi-directional Cross-Modality Feature Propagation with
Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。
既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。
本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
論文 参考訳（メタデータ） (2020-07-17T18:35:24Z)
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。