論文の概要: An Automated and Robust Image Watermarking Scheme Based on Deep Neural
Networks
- arxiv url: http://arxiv.org/abs/2007.02460v1
- Date: Sun, 5 Jul 2020 22:23:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 08:46:19.569489
- Title: An Automated and Robust Image Watermarking Scheme Based on Deep Neural
Networks
- Title(参考訳): 深層ニューラルネットワークを用いた画像透かしの自動化とロバスト化
- Authors: Xin Zhong, Pei-Chi Huang, Spyridon Mastorakis, Frank Y. Shih
- Abstract要約: ディープラーニングニューラルネットワークに基づく頑健で盲目な画像透かし方式を提案する。
提案手法の堅牢性は、攻撃の事前の知識や敵の例を必要とせずに達成される。
- 参考スコア(独自算出の注目度): 8.765045867163648
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital image watermarking is the process of embedding and extracting a
watermark covertly on a cover-image. To dynamically adapt image watermarking
algorithms, deep learning-based image watermarking schemes have attracted
increased attention during recent years. However, existing deep learning-based
watermarking methods neither fully apply the fitting ability to learn and
automate the embedding and extracting algorithms, nor achieve the properties of
robustness and blindness simultaneously. In this paper, a robust and blind
image watermarking scheme based on deep learning neural networks is proposed.
To minimize the requirement of domain knowledge, the fitting ability of deep
neural networks is exploited to learn and generalize an automated image
watermarking algorithm. A deep learning architecture is specially designed for
image watermarking tasks, which will be trained in an unsupervised manner to
avoid human intervention and annotation. To facilitate flexible applications,
the robustness of the proposed scheme is achieved without requiring any prior
knowledge or adversarial examples of possible attacks. A challenging case of
watermark extraction from phone camera-captured images demonstrates the
robustness and practicality of the proposal. The experiments, evaluation, and
application cases confirm the superiority of the proposed scheme.
- Abstract(参考訳): デジタル画像透かし(Digital image watermarking)は、透かしを隠蔽画像に埋め込んで抽出する手法である。
近年,画像透かしアルゴリズムを動的に適用するために,深層学習に基づく画像透かし方式が注目されている。
しかし,既存の深層学習に基づく透かし手法は,組込み・抽出アルゴリズムの学習・自動化や,頑健さと盲点の両面を同時に実現するための適合性を十分に適用していない。
本稿では,ディープラーニングニューラルネットワークに基づく頑健で盲目な画像透かし手法を提案する。
ドメイン知識の必要を最小化するために、ディープニューラルネットワークの適合能力を利用して、自動画像透かしアルゴリズムを学習し、一般化する。
ディープラーニングアーキテクチャは、人間の介入やアノテーションを避けるために教師なしの方法で訓練されるイメージ透かしタスクのために特別に設計されている。
フレキシブルなアプリケーションを容易にするために,提案手法の堅牢性は,事前の知識や攻撃例を必要とせずに実現される。
携帯電話カメラによる画像からの透かし抽出の難解な事例は,提案の頑健さと実用性を示す。
実験,評価,適用例により提案方式の優位性が確認された。
関連論文リスト
- Knowledge-Free Black-Box Watermark and Ownership Proof for Image
Classification Neural Networks [9.117248639119529]
画像分類ニューラルネットワークのための知識のないブラックボックス透かし方式を提案する。
繊細なエンコーディングと検証のプロトコルは、スキームの敵に対する未知のセキュリティを確保するために設計されている。
実験により,提案した透かし方式の機能保存能力と安全性が実証された。
論文 参考訳(メタデータ) (2022-04-09T18:09:02Z) - 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) - A Deep Learning-based Audio-in-Image Watermarking Scheme [1.1231577179316237]
本稿では,深層学習に基づく音声画像透かし方式を提案する。
ニューラルネットワークアーキテクチャは、教師なしの方法で透かしプロセスを自動的に学習するように設計されている。
実験結果から, ブラインド・イン・画像透かし方式の信頼性とロバスト性を示した。
論文 参考訳(メタデータ) (2021-10-06T00:46:43Z) - 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) - Reversible Watermarking in Deep Convolutional Neural Networks for
Integrity Authentication [78.165255859254]
整合性認証のための可逆透かしアルゴリズムを提案する。
可逆透かしを埋め込むことが分類性能に及ぼす影響は0.5%未満である。
同時に、可逆的な透かしを適用することでモデルの完全性を検証することができる。
論文 参考訳(メタデータ) (2021-04-09T09:32:21Z) - Deep Model Intellectual Property Protection via Deep Watermarking [122.87871873450014]
ディープニューラルネットワークは深刻なip侵害リスクにさらされている。
ターゲットの深層モデルを考えると、攻撃者がその全情報を知っていれば、微調整で簡単に盗むことができる。
低レベルのコンピュータビジョンや画像処理タスクで訓練されたディープネットワークを保護するための新しいモデル透かしフレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-08T18:58:21Z) - 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) - Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal
Attack for DNN Models [72.9364216776529]
我々は異なる視点から新しい透かし除去攻撃を提案する。
我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。
我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
論文 参考訳(メタデータ) (2020-09-18T09:14:54Z) - A General Approach for Using Deep Neural Network for Digital
Watermarking [45.15137284053717]
本稿では,この目的を達成するために,汎用ディープニューラルネットワーク(DNN)に基づく透かし手法を提案する。
我々の知る限り、我々は初めてDNNを用いて透かしを行う一般的な方法を提案する。
論文 参考訳(メタデータ) (2020-03-08T06:22:04Z)
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。