論文の概要: DeepMorph: A System for Hiding Bitstrings in Morphable Vector Drawings
- arxiv url: http://arxiv.org/abs/2011.09783v1
- Date: Thu, 19 Nov 2020 11:55:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 21:07:58.089586
- Title: DeepMorph: A System for Hiding Bitstrings in Morphable Vector Drawings
- Title（参考訳）: DeepMorph: 可変ベクトル描画におけるビットストリングの抑制システム
- Authors: S{\o}ren Rasmussen, Karsten {\O}stergaard Noe, Oliver Gyldenberg
Hjermitslev and Henrik Pedersen
- Abstract要約: DeepMorphはベクトル描画のための情報埋め込み技術である。
本手法は描画プリミティブを摂動することで画像にビットストリングを埋め込む。
本手法は,印刷図面の実際の画像からビットストリングを確実に回収することを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce DeepMorph, an information embedding technique for vector
drawings. Provided a vector drawing, such as a Scalable Vector Graphics (SVG)
file, our method embeds bitstrings in the image by perturbing the drawing
primitives (lines, circles, etc.). This results in a morphed image that can be
decoded to recover the original bitstring. The use-case is similar to that of
the well-known QR code, but our solution provides creatives with artistic
freedom to transfer digital information via drawings of their own design. The
method comprises two neural networks, which are trained jointly: an encoder
network that transforms a bitstring into a perturbation of the drawing
primitives, and a decoder network that recovers the bitstring from an image of
the morphed drawing. To enable end-to-end training via back propagation, we
introduce a soft rasterizer, which is differentiable with respect to
perturbations of the drawing primitives. In order to add robustness towards
real-world image capture conditions, image corruptions are injected between the
soft rasterizer and the decoder. Further, the addition of an object detection
and camera pose estimation system enables decoding of drawings in complex
scenes as well as use of the drawings as markers for use in augmented reality
applications. We demonstrate that our method reliably recovers bitstrings from
real-world photos of printed drawings, thereby providing a novel solution for
creatives to transfer digital information via artistic imagery.
- Abstract（参考訳）: ベクトル描画のための情報埋め込み手法であるdeepmorphを提案する。
スケーラブルベクターグラフィックス(svg)ファイルのようなベクター描画を提供し、描画プリミティブ(線、円など)を摂動させることで、画像にビット文字列を埋め込む。
これにより、元のビットストリングを復元するためにデコードできるモルヒド画像が得られる。
このユースケースは、よく知られたQRコードに似ているが、われわれのソリューションは、クリエイティブたちに自分のデザインの図面を通してデジタル情報を転送する芸術的自由を提供する。
この方法は、共同で訓練された2つのニューラルネットワークと、ビットストリングを描画プリミティブの摂動に変換するエンコーダネットワークと、変形した描画の画像からビットストリングを回復するデコーダネットワークとを含む。
バックプロパゲーションによるエンドツーエンドのトレーニングを可能にするために,描画プリミティブの摂動に対して異なるソフトラスタライザを導入する。
実世界の撮像条件にロバスト性を加えるために、ソフトラスタライザとデコーダの間に画像破損を注入する。
さらに、オブジェクト検出およびカメラポーズ推定システムの追加により、複雑なシーンにおける図面のデコードや、拡張現実アプリケーションで使用するマーカーとしての図面の利用が可能になる。
本手法は,印刷された絵の実際の写真からビットストリングを確実に回収し,創造者が芸術的画像を介してデジタル情報を転送するための新しいソリューションを提供する。
関連論文リスト
- DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization [12.82009632507056]
近年,イメージをベクトル形式に変換する学習ベース手法では,不完全形状,冗長な経路予測,オリジナルコンテンツのセマンティクスの保存における精度の欠如が頻発している。
本稿では,画像入力に基づいて可変長アイコングラフを生成する階層型画像ベクトル化ネットワークDeepIconを提案する。
論文 参考訳（メタデータ） (2024-10-21T08:20:19Z) - A Compact Neural Network-based Algorithm for Robust Image Watermarking [30.727227627295548]
Invertible Watermarking Network (IWN) という,コンパクトニューラルネットワークを用いた新しいデジタル画像透かしソリューションを提案する。
我々のIWNアーキテクチャは、単一の可逆ニューラルネットワーク(INN)に基づいている。
電子透かし方式の堅牢性を高めるため,我々は単純だが効果的なビットメッセージ正規化モジュールを導入する。
論文 参考訳（メタデータ） (2021-12-27T03:20:45Z) - SketchEdit: Mask-Free Local Image Manipulation with Partial Sketches [95.45728042499836]
マスクレス局所画像操作という,スケッチに基づく画像操作の新しいパラダイムを提案する。
本モデルでは,対象の修正領域を自動的に予測し,構造型ベクトルにエンコードする。
ジェネレータは、スタイルベクトルとスケッチに基づいて、新しいイメージコンテンツを合成する。
論文 参考訳（メタデータ） (2021-11-30T02:42:31Z) - From Image to Imuge: Immunized Image Generation [23.430377385327308]
イムゲ(Imuge)は、画像の自己回復のための画像改ざん耐性生成スキームである。
我々は、U-Netバックボンドエンコーダ、タンパーローカライゼーションネットワーク、イメージリカバリのためのデコーダを共同で訓練する。
本手法は, 種々の攻撃が存在するにも関わらず, 精度の高い改ざん領域の細部を復元できることを示す。
論文 参考訳（メタデータ） (2021-10-27T05:56:15Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-29T14:46:05Z) - R-MNet: A Perceptual Adversarial Network for Image Inpainting [5.471225956329675]
本稿では,新たな逆マスク演算子であるReverse Masking Network(R-MNet)と組み合わせたWasserstein GANを提案する。
提案手法は,高分解能な塗装作業に一般化でき,人間の視覚系に適応可能なよりリアルな出力を示す。
論文 参考訳（メタデータ） (2020-08-11T10:58:10Z) - Swapping Autoencoder for Deep Image Manipulation [94.33114146172606]
画像操作に特化して設計されたディープモデルであるSwapping Autoencoderを提案する。
キーとなるアイデアは、2つの独立したコンポーネントで画像をエンコードし、交換された組み合わせをリアルなイメージにマップするように強制することだ。
複数のデータセットの実験により、我々のモデルはより良い結果が得られ、最近の生成モデルと比較してかなり効率が良いことが示されている。
論文 参考訳（メタデータ） (2020-07-01T17:59:57Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z) - Semantic Image Manipulation Using Scene Graphs [105.03614132953285]
本稿では,星座変更や画像編集を直接監督する必要のないシーングラフネットワークを提案する。
これにより、追加のアノテーションを使わずに、既存の実世界のデータセットからシステムをトレーニングすることができる。
論文 参考訳（メタデータ） (2020-04-07T20:02:49Z) - In-Domain GAN Inversion for Real Image Editing [56.924323432048304]
トレーニング済みのGANジェネレータに実際のイメージを送出する一般的な方法は、遅延コードに戻すことである。
既存の反転法は、通常、画素値によってターゲット画像の再構成にフォーカスするが、反転したコードは元の潜伏空間のセマンティックドメインに着陸しない。
本稿では、入力画像を忠実に再構成し、変換されたコードが編集に意味のある意味を持つようにするためのドメイン内GAN逆変換手法を提案する。
論文 参考訳（メタデータ） (2020-03-31T18:20:18Z)
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。