論文の概要: Improving Cost Learning for JPEG Steganography by Exploiting JPEG Domain Knowledge

• arxiv url: http://arxiv.org/abs/2105.03867v1
• Date: Sun, 9 May 2021 08:10:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-12 08:46:20.022937
• Title: Improving Cost Learning for JPEG Steganography by Exploiting JPEG Domain Knowledge
• Title（参考訳）: JPEGドメイン知識の爆発によるJPEGステレオグラフィのコスト学習の改善
• Authors: Weixuan Tang, Bin Li, Mauro Barni, Jin Li, Jiwu Huang
• Abstract要約: JEC-RLはJPEG DCT構造をカスタマイズするように設計されている。 強化学習下での埋め込み動作サンプリング機構で動作する。 JPEGイメージの高度な機能ベースと最新のCNNベースのステガナライザーの両方に対して、優れたセキュリティ性能を実現することができる。
• 参考スコア（独自算出の注目度）: 52.880912557105106
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although significant progress in automatic learning of steganographic cost has been achieved recently, existing methods designed for spatial images are not well applicable to JPEG images which are more common media in daily life. The difficulties of migration mostly lie in the unique and complicated JPEG characteristics caused by 8x8 DCT mode structure. To address the issue, in this paper we extend an existing automatic cost learning scheme to JPEG, where the proposed scheme called JEC-RL (JPEG Embedding Cost with Reinforcement Learning) is explicitly designed to tailor the JPEG DCT structure. It works with the embedding action sampling mechanism under reinforcement learning, where a policy network learns the optimal embedding policies via maximizing the rewards provided by an environment network. The policy network is constructed following a domain-transition design paradigm, where three modules including pixel-level texture complexity evaluation, DCT feature extraction, and mode-wise rearrangement, are proposed. These modules operate in serial, gradually extracting useful features from a decompressed JPEG image and converting them into embedding policies for DCT elements, while considering JPEG characteristics including inter-block and intra-block correlations simultaneously. The environment network is designed in a gradient-oriented way to provide stable reward values by using a wide architecture equipped with a fixed preprocessing layer with 8x8 DCT basis filters. Extensive experiments and ablation studies demonstrate that the proposed method can achieve good security performance for JPEG images against both advanced feature based and modern CNN based steganalyzers.
• Abstract（参考訳）: 近年、ステガノグラフィーコストの自動学習の著しい進歩が達成されているが、空間画像のための既存の手法は、日常生活でより一般的なメディアであるjpeg画像にはあまり適用できない。 マイグレーションの難しさは、主に8x8 DCTモード構造によって引き起こされる、ユニークで複雑なJPEG特性にある。 そこで本稿では,既存のJPEGの自動コスト学習方式を拡張し,JEC-RL(JPEG Embedding Cost with Reinforcement Learning)と呼ばれる提案手法をJPEG DCT構造を最適化するために明示的に設計する。 環境ネットワークが提供する報酬を最大化することにより、ポリシーネットワークが最適な埋め込みポリシーを学習する強化学習下での埋め込み動作サンプリング機構で動作する。 ポリシネットワークは,ピクセルレベルのテクスチャの複雑性評価,DCT特徴抽出,モードワイド再構成を含む3つのモジュールが提案されるドメイン遷移設計パラダイムに従って構築される。 これらのモジュールはシリアルで動作し、圧縮されたJPEG画像から有用な特徴を徐々に抽出し、ブロック間およびブロック内相関を含むJPEG特性を同時に考慮しながら、DCT要素の埋め込みポリシーに変換する。 環境ネットワークは、8x8 dct基底フィルタを備えた固定前処理層を備えた広いアーキテクチャを用いて、安定した報奨値を提供するために設計されている。 提案手法は,高度な特徴ベースと最新のCNNベースのステガナライザーの両方に対して,JPEG画像に対する優れたセキュリティ性能を実現することができることを示す。

関連論文リスト

• The JPEG Pleno Learning-based Point Cloud Coding Standard: Serving Man and Machine [49.16996486119006]
  ディープラーニングは、ポイントクラウドコーディングの強力なツールとして登場した。 JPEGは先日、JPEG Pleno LearningベースのPoint Cloud Coding標準を確定した。 本稿ではJPEG PCC標準の完全な技術的記述を提供する。
  論文  参考訳（メタデータ） (2024-09-12T15:20:23Z)
• Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
  JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。 周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。 グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-03-05T13:15:28Z)
• High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
  JPEGアーチファクト修正のための異なるパラダイムを提案する。 我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。 我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
  論文  参考訳（メタデータ） (2022-11-21T19:47:59Z)
• Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
  本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。 実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
  論文  参考訳（メタデータ） (2022-03-30T14:36:13Z)
• Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
  本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。 実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:20:03Z)
• Towards Flexible Blind JPEG Artifacts Removal [73.46374658847675]
  人工物除去と細部保存のトレードオフを制御するために,適応可能な品質因子を予測できるフレキシブルブラインド畳み込みニューラルネットワーク,すなわちFBCNNを提案する。 提案するFBCNNは,定量的な計測値と視覚的品質の両方の観点から,最先端の手法に対して良好な性能を実現する。
  論文  参考訳（メタデータ） (2021-09-29T17:12:10Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)

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。