論文の概要: Multitask Identity-Aware Image Steganography via Minimax Optimization

• arxiv url: http://arxiv.org/abs/2107.05819v1
• Date: Tue, 13 Jul 2021 02:53:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 14:43:56.041117
• Title: Multitask Identity-Aware Image Steganography via Minimax Optimization
• Title（参考訳）: 極小最適化によるマルチタスクアイデンティティ対応画像ステレオグラフィ
• Authors: Jiabao Cui, Pengyi Zhang, Songyuan Li, Liangli Zheng, Cuizhu Bao, Jupeng Xia, Xi Li
• Abstract要約: 我々は,秘密画像の復元なしにコンテナイメージの直接認識を実現するための,Multitask Identity-Aware Image Steganography (MIAIS) というフレームワークを提案する。 直接認識の鍵となる問題は、秘密画像のアイデンティティ情報をコンテナイメージに保存し、コンテナイメージを同時にカバーイメージに類似させることである。 秘密画像復元に柔軟性を持たせるために,オプションの復元ネットワークを本手法に組み込んだ。
• 参考スコア（独自算出の注目度）: 9.062839197237807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-capacity image steganography, aimed at concealing a secret image in a cover image, is a technique to preserve sensitive data, e.g., faces and fingerprints. Previous methods focus on the security during transmission and subsequently run a risk of privacy leakage after the restoration of secret images at the receiving end. To address this issue, we propose a framework, called Multitask Identity-Aware Image Steganography (MIAIS), to achieve direct recognition on container images without restoring secret images. The key issue of the direct recognition is to preserve identity information of secret images into container images and make container images look similar to cover images at the same time. Thus, we introduce a simple content loss to preserve the identity information, and design a minimax optimization to deal with the contradictory aspects. We demonstrate that the robustness results can be transferred across different cover datasets. In order to be flexible for the secret image restoration in some cases, we incorporate an optional restoration network into our method, providing a multitask framework. The experiments under the multitask scenario show the effectiveness of our framework compared with other visual information hiding methods and state-of-the-art high-capacity image steganography methods.
• Abstract（参考訳）: 高容量画像ステガノグラフィ(high-capacity image steganography)は、秘密画像に秘密画像を隠すことを目的とした、顔や指紋などの機密データを保存する技術である。 以前の方法は、送信中のセキュリティに注目し、受信端で秘密画像が復元された後にプライバシーリークのリスクを負う。 この問題に対処するため、秘密画像の復元なしにコンテナイメージの直接認識を実現するためのMultitask Identity-Aware Image Steganography(MIAIS)というフレームワークを提案する。 直接認識の鍵となる問題は、秘密画像のアイデンティティ情報をコンテナイメージに保存し、コンテナイメージを同時にカバーイメージに類似させることである。 そこで我々は,アイデンティティ情報を保存するための単純なコンテンツロスと,矛盾する側面に対処するためのミニマックス最適化を提案する。 我々は、ロバスト性の結果を異なるカバーデータセット間で転送できることを実証した。 秘密画像復元に柔軟性を持たせるために,オプションの復元ネットワークを本手法に組み込み,マルチタスク・フレームワークを提供する。 マルチタスクシナリオによる実験は,他の視覚情報隠蔽法や最先端画像ステガノグラフィ法と比較して,フレームワークの有効性を示す。

関連論文リスト

• StegaINR4MIH: steganography by implicit neural representation for multi-image hiding [6.29495604869364]
  複数の秘密画像を隠蔽画像に埋め込んだマルチ画像隠蔽は、画像ステガノグラフィー分野における研究ホットスポットになりつつある。 本稿では,1つの暗黙的表現関数内に複数の画像を隠蔽できる新しい暗黙的表現ステガノグラフィーフレームワークであるStegaINR4MIHを提案する。
  論文  参考訳（メタデータ） (2024-10-14T03:09:41Z)
• FIIH: Fully Invertible Image Hiding for Secure and Robust [4.073420582409583]
  本稿では, 可逆ニューラルネットワークに基づく, 完全に可逆な画像隠蔽アーキテクチャを提案する。 この巧妙なアーキテクチャに基づいて、深層学習に基づく画像ステガナリシスに耐えることができる。 実験により,本論文で提案したFIIHは,1つの画像を隠蔽する他の最先端画像隠蔽法よりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-24T10:53:14Z)
• 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)
• PhotoVerse: Tuning-Free Image Customization with Text-to-Image Diffusion Models [19.519789922033034]
  PhotoVerseは、テキストドメインと画像ドメインの両方にデュアルブランチ条件設定機構を組み込んだ革新的な方法論である。 1つのトレーニングフェーズの後、我々の手法は数秒で高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2023-09-11T19:59:43Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
  本稿では,プライバシ保護のための画像表現の新規な課題について検討する。 本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。 AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
  論文  参考訳（メタデータ） (2020-09-30T01:25:00Z)
• Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings [72.68801373979943]
  多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
  論文  参考訳（メタデータ） (2020-06-11T17:29:48Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。