論文の概要: Robust watermarking with double detector-discriminator approach
- arxiv url: http://arxiv.org/abs/2006.03921v1
- Date: Sat, 6 Jun 2020 17:15:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 22:05:38.385462
- Title: Robust watermarking with double detector-discriminator approach
- Title（参考訳）: 二重検出器識別器を用いたロバスト透かし
- Authors: Marcin Plata, Piotr Syga
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5330240017302621
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we present a novel deep framework for a watermarking - a
technique of embedding a transparent message into an image in a way that allows
retrieving the message from a (perturbed) copy, so that copyright infringement
can be tracked. For this technique, it is essential to extract the information
from the image even after imposing some digital processing operations on it.
Our framework outperforms recent methods in the context of robustness against
not only spectrum of attacks (e.g. rotation, resizing, Gaussian smoothing) but
also against compression, especially JPEG. The bit accuracy of our method is at
least 0.86 for all types of distortions. We also achieved 0.90 bit accuracy for
JPEG while recent methods provided at most 0.83. Our method retains high
transparency and capacity as well. Moreover, we present our double
detector-discriminator approach - a scheme to detect and discriminate if the
image contains the embedded message or not, which is crucial for real-life
watermarking systems and up to now was not investigated using neural networks.
With this, we design a testing formula to validate our extended approach and
compared it with a common procedure. We also present an alternative method of
balancing between image quality and robustness on attacks which is easily
applicable to the framework.
- Abstract（参考訳）: 本稿では,透明なメッセージを画像に埋め込む手法である透かしのための新しい深層フレームワークを提案する。
この手法では,デジタル処理処理を施した後でも画像から情報を抽出することが不可欠である。
当社のフレームワークは,最近の攻撃スペクトル(回転,再サイズ,ガウス平滑化など)に対するロバスト性という文脈で,圧縮,特にjpegに対するロバスト性よりも優れています。
この方法のビット精度は、あらゆる種類の歪みに対して少なくとも 0.86 である。
また、JPEGでは0.90ビットの精度を実現しました。
私たちの方法は透明性とキャパシティも保ちます。
さらに,画像に埋め込みメッセージが含まれているかどうかを検知し判別する手法であるdouble detector-discriminatorアプローチを提案する。
これにより、拡張アプローチを検証するためのテスト公式を設計し、一般的な手順と比較します。
また,このフレームワークに容易に適用可能な,画像品質と攻撃に対する堅牢性のバランスをとる方法を提案する。
関連論文リスト
- SWIFT: Semantic Watermarking for Image Forgery Thwarting [12.515429388063534]
我々は、画像キャプションを表す高次元実ベクトルを埋め込んで抽出するために、HiDDeNディープラーニング透かしアーキテクチャを変更した。
本手法は良性編集と良性編集の両方において有意に改善する。
論文 参考訳（メタデータ） (2024-07-26T09:50:13Z) - 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) - Achieving Resolution-Agnostic DNN-based Image Watermarking: A Novel Perspective of Implicit Neural Representation [12.224148236368997]
画像の暗黙的ニューラル表現(INR)を透かし,RAIMark(Resolve-Agnostic Image WaterMarking)フレームワークを提案する。
本手法は,画像画素の代わりに連続信号を直接透かし,従来の縮小処理に依存しない。
論文 参考訳（メタデータ） (2024-05-14T06:26:58Z) - 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) - Practical Deep Dispersed Watermarking with Synchronization and Fusion [10.633580224539337]
我々は,textbfSynchronization と textbfFusion を併用した,実践的なdeep textbfDispersed textbfWatermarkingを提案する。
我々の盲目透かしは、平均してビット精度を5.28%改善し、5.93%を単独攻撃と組み合わせ攻撃に対して改善することができる。
論文 参考訳（メタデータ） (2023-10-23T03:34:05Z) - 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) - An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。
両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
論文 参考訳（メタデータ） (2023-07-30T13:43:27Z) - Docmarking: Real-Time Screen-Cam Robust Document Image Watermarking [97.77394585669562]
提案されたアプローチは、そもそもリークを防ぐのではなく、リークのソースを決定することを目的としている。
メソッドは、透かしを半透明画像と識別するユニークな透かしをスクリーンに印加することで機能する。
透かし画像は静止しており、常に画面上に留まっているので、撮影したすべての写真に透かしが表示される。
論文 参考訳（メタデータ） (2023-04-25T09:32:11Z) - 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)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。