論文の概要: SemVideoSte: Agentic AI for Cross-Modal Semantic Video Steganography Communication

• arxiv url: http://arxiv.org/abs/2610.25257v1
• Date: Sun, 18 Oct 2026 13:20:45 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:29:47.43057
• Title: SemVideoSte: Agentic AI for Cross-Modal Semantic Video Steganography Communication
• Title（参考訳）: SemVideoSte: クロスモーダルなセマンティックビデオステガノグラフィー通信のためのエージェントAI
• Abstract要約: SemVideoSteはクロスモーダルなセマンティックビデオステガノグラフィー通信方式である。 Agentic AIは、サービスコンテキストを解釈して、セマンティックにマッチした公開プロンプトを決定する。 プライベートデジタルトークンはランダムシードとガイダンスオフセットを制御し、正および負の終端潜時状態を構築する。
• 参考スコア（独自算出の注目度）: 55.96288398058116
• License:
• Abstract: We propose an agentic artificial intelligence (AI)-driven cross-modal semantic video steganography communication (SemVideoSte) scheme for secure cross-modal information transmission. Agentic AI interprets the service context to determine a semantically matched public prompt and coordinates video generation, message embedding, semantic transmission, and message recovery process. A multi-mask mechanism combines variational autoencoder (VAE) reconstruction robustness, semantic transmission robustness, and latent separability to select reliable embedding positions. Meanwhile, a private digital token controls the random seed and guidance offset to construct positive and negative terminal latent states, enabling coverless message embedding during the final diffusion sampling step. Simulation results on open-source datasets demonstrate that SemVideoSte achieves high embedding capacity, reliable message recovery, and strong semantic consistency under different channel conditions. In addition, eavesdroppers without the correct digital token cannot reliably recover the secret message, and the generated stego videos effectively resist the steganalysis detection. We further establish a prototype testbed to verify the practical feasibility of SemVideoSte.
• Abstract（参考訳）: エージェント人工知能(AI)によるクロスモーダルなセマンティックビデオステガノグラフィー通信(SemVideoSte)方式を提案する。 Agentic AIは、サービスコンテキストを解釈して、セマンティックにマッチした公開プロンプトを決定し、ビデオ生成、メッセージ埋め込み、セマンティックトランスミッション、メッセージリカバリプロセスをコーディネートする。 マルチマスク機構は、可変オートエンコーダ(VAE)再構成ロバスト性、意味伝達ロバスト性、遅延分離性を組み合わせ、信頼性の高い埋め込み位置を選択する。 一方、プライベートデジタルトークンは、ランダムシードと誘導オフセットを制御し、正および負の終端潜時状態を構築し、最終拡散サンプリングステップ中に隠蔽メッセージの埋め込みを可能にする。 オープンソースデータセットのシミュレーション結果から,SemVideoSteは高い埋め込み能力,信頼性の高いメッセージリカバリ,異なるチャネル条件下での強いセマンティック一貫性を実現する。 また、正しいデジタルトークンのない盗聴者は、秘密メッセージを確実に回収することができず、生成されたステゴビデオは、ステガナリシス検出に効果的に抵抗する。 さらに,SemVideoSteの実用性を検証するためのプロトタイプテストベッドを構築した。

関連論文リスト

• SemCovert: Secure and Covert Video Transmission via Deep Semantic-Level Hiding [18.218043828762124]
  本稿では,セキュアかつ隠蔽的なビデオ伝送のためのセマンティックレベルの隠れフレームワークであるSemCovertを提案する。 SemCovertは盗聴や検出のリスクを効果的に軽減し、シークレットビデオを確実に隠蔽することを示した。 その結果,セムコバートのセマンティック通信性能を損なうことなく,セキュアかつ秘密の伝送を可能にする効果が確認された。
  論文  参考訳（メタデータ） (2025-12-23T08:06:28Z)
• Conditional Denoising Diffusion Autoencoders for Wireless Semantic Communications [10.896931510442514]
  無線セムコムシステムは,低次元のセマンティクスから高次元の地上構造へのマッピングを学習することを目的としている。 セマンティックトランスミッタのニューラルエンコーダは、ハイレベルセマンティクスを抽出する。 セマンティックレシーバにおける条件拡散モデル(CDiff)は、信号空間のデノイングにソース分布を利用する。 提案したデコーダモデルが地中構造データの一貫した推定器であることを解析的に証明した。
  論文  参考訳（メタデータ） (2025-09-26T12:46:21Z)
• Generative Video Semantic Communication via Multimodal Semantic Fusion with Large Model [52.420489186647295]
  本稿では,高品質な映像再構成を実現するために,意味情報を抽出し,送信するスケーラブルなビデオ意味コミュニケーションフレームワークを提案する。 具体的には、送信機では、それぞれテキストと構造的意味論として機能するソースビデオから記述と他の条件信号を抽出する。 受信機では、拡散に基づくGenAI大モデルを用いて、ビデオの再構成のために複数のモーダルのセマンティクスを融合させる。
  論文  参考訳（メタデータ） (2025-02-19T15:59:07Z)
• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• Generative Semantic Communication: Diffusion Models Beyond Bit Recovery [19.088596386865106]
  セマンティックコミュニケーションのための新しい生成拡散誘導フレームワークを提案する。 我々は,高度に圧縮された意味情報のみを送信することで帯域幅を削減した。 以上の結果から,非常にノイズの多い条件下でも,物体,位置,深さが認識可能であることが明らかとなった。
  論文  参考訳（メタデータ） (2023-06-07T10:36:36Z)

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。