http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
동형 암호 기반 이미지 분류 모델에 대한 입력 이미지 복구 기법 연구
김재석(Jae-Seok Kim),신진명(Jinmyeong Shin),김정구(Jeong Goo Kim),최윤호(Yoon-Ho Choi) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
입력 데이터의 특징을 많은 계층을 거쳐 학습하는 딥러닝은 인간이 실수를 자주 범할 수 있는 기계, 의료 등의 분야에서 입력에 대한 결과를 자동으로 예측하기 위해 널리 활용되고 있다. 딥러닝 모델 설계자들은 더 넓은 서비스 제공 폭을 위해 더욱 많고 다양한 데이터를 요구하기 시작했으며, 그에 따른 데이터 프라이버시 이슈 또한 발생했다. 이러한 데이터 프라이버시 이슈를 해결하기 위해, 동형암호기법을 활용한 딥러닝 모델 온라인 서비스 플랫폼이 등장하고 있다. 하지만, 기존 공격 기법은 입력 데이터 및 모델 파라미터에 대한 프라이버시를 노출하는 목적으로 공개된 데이터셋을 사용하여 학습한 딥러닝 모델에 대해서는 공격 가치가 존재하지 않는다. 본 논문에서는, 학습이 끝난 동형 암호 기반 이미지 분류 모델에 대해 학습 데이터뿐만이 아닌 실시간 입력 이미지까지 복구가 가능한 기법을 제안한다. 특히, 학습 데이터만을 대상으로 하는 기존 공격 기법과 달리 제안 기법은 모델로부터 출력되는 Confidence Value를 공격자가 탈취하여 실시간으로 입력되는 사용자의 데이터 또한 복구할 수 있게 한다. 또한 본 논문에서는 MNIST Numeric 데이터셋을 통해 제안기법의 실험을 진행하였으며, 이를 통해 제안 기법의 실용성과 학습 이미지가 아닌 입력 이미지에 대한 프라이버시의 중요성을 강조했다.
시맨틱 확산 기법을 활용한 헤어스타일 변환 이미지 생성 기법
김재석(Jae-Seok Kim),신진명(Jinmyeong Shin),황도연(Do-Yeon Hwang),최윤호(Yoon-Ho Choi) 한국정보과학회 2021 정보과학회 컴퓨팅의 실제 논문지 Vol.27 No.8
사람의 얼굴은 이목구비의 크기, 모양, 위치 등 다양한 요소에 의해 그 형태가 결정된다. 이는 사람의 얼굴과 관련된 이미지를 생성 또는 합성하는데 있어서 큰 장애요인으로 작용한다. 최근에는 이러한 한계점을 딥러닝 기반의 모델을 활용하여 해결하려는 움직임이 다양한 연구들을 통하여 나타나고 있다. 그 중 두 이미지(타겟 이미지, 컨텍스트 이미지)의 합성을 통해 새로운 이미지를 생성하는 Indomain GAN의 시맨틱 확산 기법이 일반적으로 우수한 성능을 나타내지만, 이미지 합성 비율에 따라 생성된 이미지에서 왜곡이 발생하는 문제가 존재한다. 본 논문에서는 이런 문제점을 해결하기 위해 타겟 이미지의 얼굴 외곽을 고려한 새로운 시맨틱 확산 기법을 제안하며 이를 기반으로 입력 이미지의 헤어스타일을 변환시키는 웹 어플리케이션을 개발하였다. 또한, 본 논문에서는 다양한 실험을 통해 제안하는 시맨틱 확산 기법이 기존 기법에 비해 우수한 성능을 나타내는 것을 확인하였다. A human face is made up of different features with individual facial characteristics, such as, size, shape, and location of features. This is the main problem in creating or synthesizing an image related to a human face. Recently, a variety of studies have been carried out to solve this problem by using deep learning-based models. Among them, semantic diffusion used in Indomain GAN, which creates a new image using the synthesis of two images (target and context images), shows excellent performance. However, visual distortion is an issue, which occurs in the generated image depending on the image synthesis ratio. In order to address this problem, we proposed a new semantic diffusion method which takes into account the facial contour of the person in the target image. Based on this, we also developed a web application that changes a person"s hairstyle in the input image. The experiment clearly shows that the proposed semantic diffusion method generates better synthesized images than conventional semantic diffusion method.