Fugu-MT 論文翻訳(概要): Adaptive Control of Embedding Strength in Image Watermarking using Neural Networks

論文の概要: Adaptive Control of Embedding Strength in Image Watermarking using Neural Networks

arxiv url: http://arxiv.org/abs/2001.03251v1
Date: Thu, 9 Jan 2020 23:08:34 GMT
ステータス: 処理完了
システム内更新日: 2023-01-13 05:43:56.681753
Title: Adaptive Control of Embedding Strength in Image Watermarking using Neural Networks
Title（参考訳）: ニューラルネットワークを用いた画像透かしにおける埋め込み強度の適応制御
Authors: Mahnoosh Bagheri, Majid Mohrekesh, Nader Karimi, Shadrokh Samavi
Abstract要約: 強靭性と透明性の2つの反対の基準が透かし法の目標である。適切な埋め込み強度係数を決定するためのフレームワークを提案する。我々はCOCOデータセット上でMask R-CNNを使用して,各サブブロックに対して優れた強度係数を求める。
参考スコア（独自算出の注目度）: 9.79052482747521
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Digital image watermarking has been widely used in different applications such as copyright protection of digital media, such as audio, image, and video files. Two opposing criteria of robustness and transparency are the goals of watermarking methods. In this paper, we propose a framework for determining the appropriate embedding strength factor. The framework can use most DWT and DCT based blind watermarking approaches. We use Mask R-CNN on the COCO dataset to find a good strength factor for each sub-block. Experiments show that this method is robust against different attacks and has good transparency.
Abstract（参考訳）: デジタル画像透かしは、オーディオ、画像、ビデオファイルなどのデジタルメディアの著作権保護など、様々な用途で広く使われている。強靭性と透明性の2つの反対の基準が透かし法の目標である。本稿では,適切な埋め込み強度因子を決定するための枠組みを提案する。このフレームワークは、ほとんどのDWTおよびDCTベースのブラインドウォーターマーキングアプローチを使用することができる。我々はCOCOデータセット上でMask R-CNNを使用して,各サブブロックに対して優れた強度係数を求める。実験により、この手法は異なる攻撃に対して堅牢であり、透明性が高いことが示された。

関連論文リスト

JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
論文参考訳（メタデータ） (2024-06-06T03:31:41Z)
Blind Deep-Learning-Based Image Watermarking Robust Against Geometric Transformations [6.948186032020995]
提案手法は,透かし符号化と復号化にディープラーニングを用いた既存のHiDDeNアーキテクチャに基づいている。私たちは、このアーキテクチャに新しいノイズ層、すなわち、微分可能なJPEG推定、回転、再スケーリング、翻訳、せん断、ミラーリングを追加します。提案手法は,消費者の端末で見た画像の保護に利用することができる。
論文参考訳（メタデータ） (2024-02-14T10:18:00Z)
RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
論文参考訳（メタデータ） (2024-01-23T22:00:49Z)
FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models [64.89896692649589]
テキスト・画像拡散モデルの微調整に適した透かしシステムであるFT-Shieldを提案する。 FT-Shieldは新しい透かしの生成と検出戦略を設計することで著作権保護の課題に対処する。
論文参考訳（メタデータ） (2023-10-03T19:50:08Z)
T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
論文参考訳（メタデータ） (2023-09-07T16:12:06Z)
Adaptive Blind Watermarking Using Psychovisual Image Features [8.75217589103206]
本稿では,カバー画像の異なる部分に埋め込まれた透かしの強度を適応的に決定する手法を提案する。また, 提案手法は, 異なる種類の共通透かし攻撃において, 組込みペイロードを効果的に再構築できることを示す。
論文参考訳（メタデータ） (2022-12-25T06:33:36Z)
Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文参考訳（メタデータ） (2021-12-17T15:52:46Z)
Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
論文参考訳（メタデータ） (2021-08-05T04:27:15Z)
Robust Watermarking using Diffusion of Logo into Autoencoder Feature Maps [10.072876983072113]
本稿では,透かしのためのエンドツーエンドネットワークを提案する。画像の内容に基づいて,畳み込みニューラルネットワーク(CNN)を用いて埋め込み強度を制御する。異なる画像処理攻撃は、モデルの堅牢性を改善するためにネットワーク層としてシミュレートされる。
論文参考訳（メタデータ） (2021-05-24T05:18:33Z)
Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
論文参考訳（メタデータ） (2020-12-13T09:05:37Z)
Robust watermarking with double detector-discriminator approach [0.5330240017302621]
透かしのための新しいディープフレームワーク - コピーからメッセージを取り出す方法として、透過的なメッセージをイメージに埋め込むテクニックを提供する。我々のフレームワークは、攻撃スペクトルに対する堅牢性という文脈において、近年の手法より優れています。また、画像に埋め込みメッセージが含まれているか否かを検知し、識別する手法である二重検出器-識別器のアプローチも提示する。
論文参考訳（メタデータ） (2020-06-06T17:15:45Z)

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。