論文の概要: Visible Watermark Removal via Self-calibrated Localization and Background Refinement

• arxiv url: http://arxiv.org/abs/2108.03581v1
• Date: Sun, 8 Aug 2021 06:43:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 15:29:14.947270
• Title: Visible Watermark Removal via Self-calibrated Localization and Background Refinement
• Title（参考訳）: 自己校正による可視的透かし除去と背景微細化
• Authors: Jing Liang, Li Niu, Fengjun Guo, Teng Long, Liqing Zhang
• Abstract要約: 画像に透かした透かしを重ねることで、著作権問題に対処する強力な武器を提供する。 現代の透かし除去法は、透かしの局所化と背景復元を同時に行う。 上記の問題に対処する2段階のマルチタスクネットワークを提案する。
• 参考スコア（独自算出の注目度）: 21.632823897244037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Superimposing visible watermarks on images provides a powerful weapon to cope with the copyright issue. Watermark removal techniques, which can strengthen the robustness of visible watermarks in an adversarial way, have attracted increasing research interest. Modern watermark removal methods perform watermark localization and background restoration simultaneously, which could be viewed as a multi-task learning problem. However, existing approaches suffer from incomplete detected watermark and degraded texture quality of restored background. Therefore, we design a two-stage multi-task network to address the above issues. The coarse stage consists of a watermark branch and a background branch, in which the watermark branch self-calibrates the roughly estimated mask and passes the calibrated mask to background branch to reconstruct the watermarked area. In the refinement stage, we integrate multi-level features to improve the texture quality of watermarked area. Extensive experiments on two datasets demonstrate the effectiveness of our proposed method.
• Abstract（参考訳）: 画像に透かしを埋め込むことは、著作権問題に対処するための強力な武器となる。 透かし除去技術は, 目に見える透かしの頑丈さを逆向きに強化し, 研究の関心を高めている。 現代のウォーターマーク除去法は,マルチタスク学習問題と見なすことができるウォーターマークのローカライズと背景復元を同時に行う。 しかし, 既存の手法では, 不完全に検出された透かしや, 復元された背景のテクスチャ品質の低下に苦しむ。 そこで我々は,上記の問題に対処する2段階のマルチタスクネットワークを設計する。 粗いステージは透かし分岐部と背景分岐部からなり、透かし分岐部は概算されたマスクを自己調整し、校正されたマスクを背景分岐部へ通過して透かし領域を再構築する。 改良段階では,マルチレベル機能を統合し,透かし領域のテクスチャ品質を向上させる。 2つのデータセットに対する実験により,提案手法の有効性が示された。

関連論文リスト

• Image Watermarks are Removable Using Controllable Regeneration from Clean Noise [26.09012436917272]
  透かし技法の重要な特徴は、様々な操作に対する頑丈さである。 アート透かし技術の現状を効果的に無効化できる透かし除去手法を提案する。
  論文  参考訳（メタデータ） (2024-10-07T20:04:29Z)
• Removing Interference and Recovering Content Imaginatively for Visible Watermark Removal [63.576748565274706]
  本研究では,Removing Interference and Recovering Content Imaginatively (RIRCI)フレームワークについて紹介する。 RIRCIは2段階のアプローチを具現化しており、最初のフェーズは透かし成分の識別と分離に焦点を当て、次のフェーズは背景コンテンツの復元に焦点を当てている。 本モデルでは,半透明透かしの下の固有背景情報を完全に探索できるデュアルパスネットワークを用いる。
  論文  参考訳（メタデータ） (2023-12-22T02:19:23Z)
• Robust Image Watermarking based on Cross-Attention and Invariant Domain Learning [1.6589012298747952]
  本稿では,クロスアテンションと不変領域学習を利用して,ロバストな画像透かし手法を提案する。 マルチヘッドクロスアテンション機構を用いた透かし埋め込み方式を設計し,表紙画像と透かしとの情報交換を可能にする。 第2に,透かしに関する意味的情報と雑音的不変情報の両方をカプセル化した不変領域表現の学習を提唱する。
  論文  参考訳（メタデータ） (2023-10-09T04:19:27Z)
• T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
  画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。 このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。 提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
  論文  参考訳（メタデータ） (2023-09-07T16:12:06Z)
• WMFormer++: Nested Transformer for Visible Watermark Removal via Implict Joint Learning [68.00975867932331]
  既存の透かし除去法は主にタスク固有のデコーダブランチを持つUNetに依存している。 両分野の情報を包括的に統合するために,暗黙的な共同学習パラダイムを導入する。 その結果、既存の最先端手法をはるかに上回る、我々のアプローチの顕著な優位性を示した。
  論文  参考訳（メタデータ） (2023-08-20T07:56:34Z)
• Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
  Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。 我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。 提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
  論文  参考訳（メタデータ） (2023-06-02T23:29:28Z)
• 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)
• 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)

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。