| عنوان مقاله به انگلیسی | Artwork Protection Against Neural Style Transfer Using Locally Adaptive Adversarial Color Attack |
| عنوان مقاله به فارسی | محافظت از آثار هنری در برابر انتقال سبک عصبی با استفاده از حمله رنگی خصمانه تطابق پذیر |
| نویسندگان | Zhongliang Guo, Kaixuan Wang, Weiye Li, Yifei Qian, Ognjen Arandjelović, Lei Fang |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | Neural style transfer (NST) is widely adopted in computer vision to generate new images with arbitrary styles. This process leverages neural networks to merge aesthetic elements of a style image with the structural aspects of a content image into a harmoniously integrated visual result. However, unauthorized NST can exploit artwork. Such misuse raises socio-technical concerns regarding artists’ rights and motivates the development of technical approaches for the proactive protection of original creations. Adversarial attack is a concept primarily explored in machine learning security. Our work introduces this technique to protect artists’ intellectual property. In this paper Locally Adaptive Adversarial Color Attack (LAACA), a method for altering images in a manner imperceptible to the human eyes but disruptive to NST. Specifically, we design perturbations targeting image areas rich in high-frequency content, generated by disrupting intermediate features. Our experiments and user study confirm that by attacking NST using the proposed method results in visually worse neural style transfer, thus making it an effective solution for visual artwork protection. |
| تعداد صفحات | 9 |
| چکیده به فارسی (ترجمه ماشینی) | انتقال سبک عصبی (NST) به طور گسترده ای در دید رایانه ای برای تولید تصاویر جدید با سبک های دلخواه پذیرفته شده است.این فرآیند شبکه های عصبی را برای ادغام عناصر زیبایی شناسی یک تصویر سبک با جنبه های ساختاری یک تصویر محتوا در یک نتیجه بصری هماهنگ یکپارچه قرار می دهد.با این حال ، NST غیرمجاز می تواند از آثار هنری سوء استفاده کند.چنین سوء استفاده نگرانی های اجتماعی و فنی در مورد حقوق هنرمندان را ایجاد می کند و باعث ایجاد رویکردهای فنی برای حمایت از پیشرو از خلاقیت های اصلی می شود.حمله مخالف مفهومی است که در درجه اول در امنیت یادگیری ماشین مورد بررسی قرار می گیرد.کار ما این تکنیک را برای محافظت از مالکیت معنوی هنرمندان معرفی می کند.در این مقاله حمله رنگی مخالف محلی سازگار (LAACA) ، روشی برای تغییر تصاویر به روشی غیرقابل تصور برای چشمان انسان اما برای NST مختل کننده است.به طور خاص ، ما آشفتگی هایی را طراحی می کنیم که مناطق تصویر را سرشار از محتوای با فرکانس بالا قرار می دهند ، که با مختل کردن ویژگی های میانی ایجاد می شود.آزمایشات و مطالعه کاربر ما تأیید می کند که با حمله به NST با استفاده از روش پیشنهادی منجر به انتقال سبک عصبی از نظر بصری می شود ، بنابراین آن را به یک راه حل مؤثر برای محافظت از آثار هنری تجسمی تبدیل می کند. |
| دسته بندی موضوعات | Computer Vision and Pattern Recognition,Cryptography and Security,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی ، رمزنگاری و امنیت ، یادگیری ماشین ، پردازش تصویر و فیلم ، |
| توضیحات | Submitted 17 January, 2024; originally announced January 2024. , Comments: 9 pages, 5 figures |
| توضیحات به فارسی | ارسال شده 17 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: 9 صفحه ، 5 شکل |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.