論文の概要: Efficient Robust Watermarking Based on Quaternion Singular Value Decomposition and Coefficient Pair Selection

• arxiv url: http://arxiv.org/abs/2011.03631v1
• Date: Fri, 6 Nov 2020 23:27:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 05:42:41.392317
• Title: Efficient Robust Watermarking Based on Quaternion Singular Value Decomposition and Coefficient Pair Selection
• Title（参考訳）: 四元数特異値分解と係数対選択に基づく効率的なロバスト透かし
• Authors: Yong Chen, Zhi-Gang Jia, Ya-Xin Peng, Yan Peng
• Abstract要約: 第四次特異値分解(QSVD)は、歪みの少ない透かし画像から高品質な透かしを抽出できるデジタル透かしの堅牢な技術である。 複雑性の爆発」問題に対処する改良された代数的構造保存法を提案する。 単一の想像単位に透かしを埋め込む従来のQSVDとは異なり、透かしを最適な隠れ位置に適応的に埋め込むことを提案する。
• 参考スコア（独自算出の注目度）: 6.724915024552869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quaternion singular value decomposition (QSVD) is a robust technique of digital watermarking which can extract high quality watermarks from watermarked images with low distortion. In this paper, QSVD technique is further investigated and an efficient robust watermarking scheme is proposed. The improved algebraic structure-preserving method is proposed to handle the problem of "explosion of complexity" occurred in the conventional QSVD design. Secret information is transmitted blindly by incorporating in QSVD two new strategies, namely, coefficient pair selection and adaptive embedding. Unlike conventional QSVD which embeds watermarks in a single imaginary unit, we propose to adaptively embed the watermark into the optimal hiding position using the Normalized Cross-Correlation (NC) method. This avoids the selection of coefficient pair with less correlation, and thus, it reduces embedding impact by decreasing the maximum modification of coefficient values. In this way, compared with conventional QSVD, the proposed watermarking strategy avoids more modifications to a single color image layer and a better visual quality of the watermarked image is observed. Meanwhile, adaptive QSVD resists some common geometric attacks, and it improves the robustness of conventional QSVD. With these improvements, our method outperforms conventional QSVD. Its superiority over other state-of-the-art methods is also demonstrated experimentally.
• Abstract（参考訳）: 第四次特異値分解(QSVD)は、歪みの少ない透かし画像から高品質な透かしを抽出できるデジタル透かしの堅牢な技術である。 本稿では,QSVD法をさらに研究し,効率的なロバストな透かし手法を提案する。 従来のqsvd設計で発生した「複雑性の爆発」問題に対処するため,改良した代数構造保存法を提案する。 qsvdに2つの新しい戦略、すなわち係数対選択と適応埋め込みを組み込んで秘密情報を盲目的に送信する。 一つの想像単位に透かしを埋め込む従来のQSVDとは異なり、正規化クロスコリレーション(NC)法を用いて、透かしを最適な隠れ位置に適応的に埋め込む方法を提案する。 これにより相関の少ない係数対の選択が避けられ、係数値の最大修正を減らして埋め込みの影響を低減することができる。 このように、従来のqsvdと比較して、提案する透かし戦略は、単一のカラー画像層に対するより多くの修正を回避し、透かし画像の視覚的品質をより良く観察する。 一方、適応型qsvdは幾何攻撃に抵抗し、従来のqsvdのロバスト性を向上させる。 これらの改善により、従来のQSVDよりも優れる。 他の最先端手法よりも優れていることも実験的に実証されている。

関連論文リスト

• IWN: Image Watermarking Based on Idempotency [0.0]
  本稿では,画像透かし処理におけるイデオロシティの導入の可能性について検討する。 カラー画像透かしの回復品質向上に焦点をあてたモデルでは,イデオロシティを活用し,画像の可逆性を向上する。
  論文  参考訳（メタデータ） (2024-09-29T01:29:34Z)
• 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)
• Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
  Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。 フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。 この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
  論文  参考訳（メタデータ） (2024-05-19T11:29:52Z)
• Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs [23.639074918667625]
  ホワイトボックス攻撃に対するロバスト性を向上したGANのための新しいマルチビット・ボックスフリー透かし手法を提案する。 透かしは、GANトレーニング中に余分な透かし損失項を追加することで埋め込む。 その結果,透かしの存在が画像の品質に与える影響は無視できることがわかった。
  論文  参考訳（メタデータ） (2023-10-25T18:38:10Z)
• Reversible Quantization Index Modulation for Static Deep Neural Network Watermarking [57.96787187733302]
  可逆的データ隠蔽法(RDH)は潜在的な解決策を提供するが、既存のアプローチはユーザビリティ、キャパシティ、忠実性の面で弱点に悩まされている。 量子化指数変調(QIM)を用いたRDHに基づく静的DNN透かし手法を提案する。 提案手法は,透かし埋め込みのための1次元量化器に基づく新しい手法を取り入れたものである。
  論文  参考訳（メタデータ） (2023-05-29T04:39:17Z)
• Cycle Encoding of a StyleGAN Encoder for Improved Reconstruction and Editability [76.6724135757723]
  GANインバージョンは、事前訓練されたGANの潜在空間に入力イメージを反転させることを目的としている。 GANの逆転の最近の進歩にもかかわらず、歪みと編集性の間のトレードオフを軽減するための課題は残されている。 本稿では、まず入力画像をピボットコードと呼ばれる潜在コードに反転させ、次に、入力画像を正確にピボットコードにマッピングできるようにジェネレータを変更する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:10:16Z)
• 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)
• Spread-Transform Dither Modulation Watermarking of Deep Neural Network [33.63490683496175]
  本稿では,サイド情報パラダイムによる透かしを利用した新しいDNN透かしアルゴリズムを提案し,透かしの難易度を低減し,ペイロードを増加させる。 特に,ST-DM(Spread Transform Dither Modulation)による電子透かし方式は,従来のSSに基づく最近提案されたアルゴリズムの性能向上に寄与する。
  論文  参考訳（メタデータ） (2020-12-28T10:23:17Z)
• Image Inpainting with Learnable Feature Imputation [8.293345261434943]
  正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。 本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。 我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
  論文  参考訳（メタデータ） (2020-11-02T16:05:32Z)
• 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)

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。