論文の概要: Backward Compatibility in Zero-Bit Neural Audio Watermarking

• arxiv url: http://arxiv.org/abs/2610.22296v1
• Date: Thu, 15 Oct 2026 17:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.237722
• Title: Backward Compatibility in Zero-Bit Neural Audio Watermarking
• Title（参考訳）: ゼロビット型ニューラルオーディオ透かしにおける後方互換性
• Abstract要約: 本稿では,ゼロビット音声透かしにおける後方互換性の概念を定式化する。 新しい検出器と凍結したレガシな埋め込み器のシーケンスを組み合わせたトレーニングフレームワークが提案されている。 Angular Diversity Loss (ADL)が導入され、各新しい埋め込み器が出力空間の異なる領域を占めるように明示的に強制される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural watermarking systems are typically trained as tightly coupled embedder-detector pairs and implicitly assume static deployment. In real-world deployments, embedders and detectors are frequently updated and selectively decoupled for security and versioning purposes, which can break detection in previously embedded content and, more critically, increase false-positive rates on embedders that a given detector is intentionally not intended to recognize. In this paper the concept of backward compatibility in zero-bit audio watermarking is formalized. A training framework is proposed that pairs a new detector with a sequence of frozen legacy embedders (its legacy chain), using a performance-weighted sampling strategy so that the detector retains accuracy across all earlier versions. This coupling, while necessary for backward compatibility, is shown to induce an embedder-collapse effect that catastrophically degrades the true negative rate (TNR) against out-of-chain embedders. To counteract this, a Angular Diversity Loss (ADL) is introduced that explicitly forces each new embedder to occupy a distinct region of the output space. The combined approach restores near-perfect TNR with no measurable cost to detection accuracy or perceptual audio quality.
• Abstract（参考訳）: ニューラルウォーターマーキングシステムは一般的に、密結合した埋め込み器と検出器のペアとして訓練され、静的な配置を暗黙的に仮定する。 実世界の展開では、組込み機と検出器は頻繁に更新され、セキュリティとバージョニングの目的のために選択的に分離される。 本稿では,ゼロビット音声透かしにおける後方互換性の概念を定式化した。 新しい検出器を凍結したレガシな埋め込み器(レガシチェーン)のシーケンスと組み合わせて、性能的に重み付けされたサンプリング戦略を用いて、検出器が以前のすべてのバージョンで精度を維持するためのトレーニングフレームワークが提案されている。 この結合は、後方互換性に必要であるが、連鎖外埋め込みに対する真の負の速度(TNR)を破滅的に低下させる埋め込み-崩壊効果を誘導することが示されている。 これに対抗するために、Angular Diversity Loss (ADL)が導入された。 組み合わせたアプローチは、精度や知覚音質を検出するために測定可能なコストなしで、ほぼ完璧なTNRを復元する。

関連論文リスト

• Combining Self-Embedding Audio Watermarking with Ultra-Low-Bitrate Neural Codecs [35.36605987953242]
  音声録音の部分的な操作は、コンテンツ完全性検証の課題となる。 ウォーターマーキングは、配布前に補助情報を埋め込むことによって、積極的な防御手段を提供する。 本研究は, 理想的な条件下での積極的防御性能の探索である。
  論文  参考訳（メタデータ） (2026-08-26T01:55:15Z)
• REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
  Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。 既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。 協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
  論文  参考訳（メタデータ） (2026-07-03T06:38:54Z)
• VectorSmuggle: Steganographic Exfiltration in Embedding Stores and a Cryptographic Provenance Defense [0.0]
  現代の検索拡張生成システム(RAG)は、センシティブなコンテンツを高次元の埋め込みに変換し、それらをベクトルデータベースに格納し、結果の数値的アーティファクトを不透明なものとして扱う。 これはステガノグラフィー・エクスプロイト・アタックのクラスを開放することを示している。 入力パイプラインへの書き込みアクセスを持つアタッカーは、埋め込み内にペイロードデータを隠蔽することができる。
  論文  参考訳（メタデータ） (2026-05-13T16:44:20Z)
• Attribution-Guided Multimodal Deepfake Detection via Cross-Modal Forensic Fingerprints [4.598350938853635]
  ビデオの偽造方法を特定することができない検出器は、間違ったシグナルを学習している可能性が高い、と私たちは主張する。 二分検出とは異なり、帰属誘導学習は共有埋め込み空間に強い幾何学的制約を課す。 本稿では,属性検出と属性抽出を共同で学習する属性誘導型マルチモーダルディープフェイク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-29T09:11:13Z)
• Noise-Aware Misclassification Attack Detection in Collaborative DNN Inference [0.0]
  オブジェクト分類の協調推論 ディープニューラルネットワーク(DNN)は、エッジAIの重要な実現要因になりつつある。 本稿では,変分オートエンコーダ(VAE)によって駆動される半グレーボックスと雑音を考慮した異常検出フレームワークを提案する。 提案フレームワークは, 環境騒音の特性を捉え, 誤報率を低減し, 検出精度を向上させる頑健なノイズ認識機能を備えている。
  論文  参考訳（メタデータ） (2026-03-18T16:53:58Z)
• Latent-Mark: An Audio Watermark Robust to Neural Resynthesis [62.09761127079914]
  Latent-Markはセマンティック圧縮に耐えられるように設計された最初のゼロビットオーディオ透かしフレームワークである。 私たちの重要な洞察は、エンコード-デコードプロセスに対する堅牢性は、不変の潜在空間に透かしを埋め込む必要があるということです。 我々の研究は、ますます複雑で多様な生成歪みをまたいで整合性を維持することができる普遍的な透かしフレームワークに、将来の研究をインスピレーションを与えます。
  論文  参考訳（メタデータ） (2026-03-05T15:51:09Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Blind Coherent Preamble Detection via Neural Networks [2.2063018784238984]
  ニューラルネットワーク(NN)シークエンス検出器とタイミング先進推定器を提案する。 NNによるプリアンブル検出のプロセス全体を置き換えるものではない。 本稿では,通信路効果を補うために,検出器内の信号を組み合わせたテキストブロードコヒーレントにのみNNを用いることを提案する。
  論文  参考訳（メタデータ） (2021-09-30T09:53:49Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。