ترجمه فارسی مقاله حمله با جعبه خاکستری در برابر ویرایش تصویر مبتنی بر مدل انتشار پنهان توسط فروپاشی پسین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A Grey-box Attack against Latent Diffusion Model-based Image Editing by Posterior Collapse
عنوان مقاله به فارسی حمله با جعبه خاکستری در برابر ویرایش تصویر مبتنی بر مدل انتشار پنهان توسط فروپاشی پسین
نویسندگان Zhongliang Guo, Lei Fang, Jingyu Lin, Yifei Qian, Shuai Zhao, Zeyu Wang, Junhao Dong, Cunjian Chen, Ognjen Arandjelović, Chun Pong Lau
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 2 September, 2024; v1 submitted 20 August, 2024; originally announced August 2024. , Comments: 21 pages, 7 figures, 10 tables
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛V1 ارسال شده در 20 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 21 صفحه ، 7 شکل ، 10 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Recent advancements in generative AI, particularly Latent Diffusion Models (LDMs), have revolutionized image synthesis and manipulation. However, these generative techniques raises concerns about data misappropriation and intellectual property infringement. Adversarial attacks on machine learning models have been extensively studied, and a well-established body of research has extended these techniques as a benign metric to prevent the underlying misuse of generative AI. Current approaches to safeguarding images from manipulation by LDMs are limited by their reliance on model-specific knowledge and their inability to significantly degrade semantic quality of generated images. In response to these shortcomings, we propose the Posterior Collapse Attack (PCA) based on the observation that VAEs suffer from posterior collapse during training. Our method minimizes dependence on the white-box information of target models to get rid of the implicit reliance on model-specific knowledge. By accessing merely a small amount of LDM parameters, in specific merely the VAE encoder of LDMs, our method causes a substantial semantic collapse in generation quality, particularly in perceptual consistency, and demonstrates strong transferability across various model architectures. Experimental results show that PCA achieves superior perturbation effects on image generation of LDMs with lower runtime and VRAM. Our method outperforms existing techniques, offering a more robust and generalizable solution that is helpful in alleviating the socio-technical challenges posed by the rapidly evolving landscape of generative AI.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در هوش مصنوعی تولیدی ، به ویژه مدل های انتشار نهان (LDMS) ، سنتز تصویر و دستکاری را متحول کرده است.با این حال ، این تکنیک های تولیدی نگرانی در مورد سوء استفاده از داده ها و نقض مالکیت معنوی را ایجاد می کند.حملات مخالف به مدل های یادگیری ماشین به طور گسترده مورد مطالعه قرار گرفته است ، و یک تحقیق خوب از تحقیقات این تکنیک ها را به عنوان یک متریک خوش خیم برای جلوگیری از سوء استفاده اساسی در AI تولیدی گسترش داده است.رویکردهای فعلی برای محافظت از تصاویر از دستکاری توسط LDMS با اعتماد به نفس آنها به دانش خاص مدل و عدم توانایی آنها در کاهش قابل توجه کیفیت معنایی تصاویر تولید شده محدود می شود.در پاسخ به این کاستی ها ، ما حمله فروپاشی خلفی (PCA) را بر اساس این مشاهدات پیشنهاد می کنیم که VAE ها در طول آموزش از فروپاشی خلفی رنج می برند.روش ما وابستگی به اطلاعات جعبه سفید از مدل های هدف را به حداقل می رساند تا از شر اتکای ضمنی به دانش خاص مدل خلاص شود.با دسترسی به مقدار کمی از پارامترهای LDM ، صرفاً رمزگذار VAE LDMS ، روش ما باعث فروپاشی معنایی قابل توجهی در کیفیت تولید ، به ویژه در قوام ادراکی می شود و قابلیت انتقال قوی را در معماری های مختلف مدل نشان می دهد.نتایج تجربی نشان می دهد که PCA به اثرات آشفتگی برتر در تولید تصویر LDMS با زمان اجرا پایین و VRAM دست می یابد.روش ما از تکنیک های موجود فراتر است و یک راه حل قوی تر و قابل تعمیم تر ارائه می دهد که در کاهش چالش های اجتماعی و فنی ایجاد شده توسط چشم انداز در حال تحول سریع AI مولد مفید است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.