文献

J-GLOBAL ID：202002224302430959   整理番号：20A2462807

精度保存目標語除去に向けた画像キャプションの攻撃【JST・京大機械翻訳】

Attacking Image Captioning Towards Accuracy-Preserving Target Words Removal

著者 (7件)： Ji Jiayi (Xiamen University, Xiamen City, Fujian Province, China) ,  Sun Xiaoshuai (Xiamen University, Xiamen City, Fujian Province, China) ,  Zhou Yiyi (Xiamen University, Xiamen City, Fujian Province, China) ,  Ji Rongrong (Xiamen University, Xiamen City, Fujian Province, China) ,  Chen Fuhai (Xiamen University, Xiamen City, Fujian Province, China) ,  Liu Jianzhuang (Noah’s Ark Lab, Huawei Technologies, Beijing City, China) ,  Tian Qi (Huawei Cloud BU, Huawei Technologies, Beijing City, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 4226-4234  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,敵対攻撃に対する深い画像キャプテーションモデルの脆弱性を調べた。一般的単語と概念を生成する既存の研究と異なり,著者らは,制御可能画像キャプテーションに対する敵対的攻撃,すなわち,残りの視覚コンテンツに対するキャプテーション精度を維持しながら,画像に敵対的ノイズを課すことによって,ターゲット語をキャップから除去することに焦点を当てた。この新タスクをMasked Image Captioning(MIC)として命名し,エンドツーエンドキャプテーションモデルに対して訓練とラベル付けを期待することが期待される。一方,著者らは,雑音発生器を訓練しながら,目的損失を最小化することにより,ターゲット概念をマスクするために,Sow,Mask,およびTell(SMT)と呼ばれる,この新しいタスクのための新しい敵対学習アプローチを提案した。具体的には,この損失,すなわち,単語除去正則化,キャプテーション精度正則化,および雑音フィルタリング正則化において,3つの新規設計を導入した。定量的検証のために,MS COCOデータセットに基づくMICのためのベンチマークデータセットを,Attack品質と呼ばれる新しい評価尺度と共に提案した。実験結果は,提案した方式が,93.8%と91.9%の目標単語を除去することによって,それぞれ97.3%と97.4%の精度を維持しながら,2つの切断エッジキャプテーションモデルに関して,成功した攻撃を達成することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  視覚 ,  学習 ,  雑音発生器 ,  捕獲 ,  正則化 ,  ベンチマーク ,  *単語 ,  コンテンツ
準シソーラス用語： 脆弱性 ,  ノイズフィルタ ,  評価尺度 ,  *キャプション , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対的攻撃 ,  データセット ,  画像捕獲 ,  目標語除去

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 保存 ,  キャプション ,  攻撃