論文の概要: CropDefender: deep watermark which is more convenient to train and more
robust against cropping
- arxiv url: http://arxiv.org/abs/2109.06651v1
- Date: Sun, 12 Sep 2021 14:31:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-15 15:36:09.790843
- Title: CropDefender: deep watermark which is more convenient to train and more
robust against cropping
- Title(参考訳): クロップデフェンダー:訓練に便利で、切り倒しに対してより頑丈な深い透かし
- Authors: Jiayu Ding, Yuchen Cao, Changhao Shi
- Abstract要約: 我々はStegaStampを私たちの研究の例として捉えています。
StegaStampは従来の透かし技術をはるかに超えている。
収穫に弱く、訓練も難しい。
- 参考スコア(独自算出の注目度): 0.7305019142196582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital image watermarking, which is a technique for invisibly embedding
information into an image, is used in fields such as property rights
protection. In recent years, some research has proposed the use of neural
networks to add watermarks to natural images. We take StegaStamp as an example
for our research. Whether facing traditional image editing methods, such as
brightness, contrast, saturation adjustment, or style change like 1-bit
conversion, GAN, StegaStamp has robustness far beyond traditional watermarking
techniques, but it still has two drawbacks: it is vulnerable to cropping and is
hard to train. We found that the causes of vulnerability to cropping is not the
loss of information on the edge, but the movement of watermark position. By
explicitly introducing the perturbation of cropping into the training, the
cropping resistance is significantly improved. For the problem of difficult
training, we introduce instance normalization to solve the vanishing gradient,
set losses' weights as learnable parameters to reduce the number of
hyperparameters, and use sigmoid to restrict pixel values of the generated
image.
- Abstract(参考訳): デジタル画像透かし(Digital image watermarking)は、財産権保護などの分野において、視覚的に情報を画像に埋め込む技術である。
近年,自然画像に透かしを追加するニューラルネットワークの利用が提案されている。
StegaStampを研究の例として挙げる。
輝度、コントラスト、彩度調整、あるいは1ビット変換のようなスタイル変更といった従来の画像編集方法に直面すると、stegastampは従来の透かし技術よりもはるかに堅牢であるが、依然として2つの欠点がある。
ニワトリの脆弱性の原因は,エッジに関する情報の喪失ではなく,透かしの位置の移動であることがわかった。
訓練中にトリッピングの摂動を明示的に導入することにより、トリッピング耐性が著しく向上する。
難解なトレーニングでは,消失勾配の解法としてインスタンス正規化を導入し,学習可能なパラメータとして損失の重みを設定し,ハイパーパラメータ数を削減し,sgmoidを用いて生成画像の画素値を制限する。
関連論文リスト
- 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) - Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。
我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。
私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
論文 参考訳(メタデータ) (2022-07-16T16:06:59Z) - A Robust Document Image Watermarking Scheme using Deep Neural Network [10.938878993948517]
本稿では,ディープニューラルネットワークを用いたエンドツーエンドの文書画像透かし方式を提案する。
特に、エンコーダとデコーダは、透かしを埋め込んで抽出するように設計されている。
文字への埋め込み変更を制限するために、テキストセンシティブな損失関数が設計されている。
論文 参考訳(メタデータ) (2022-02-26T05:28:52Z) - 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) - 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) - Robust Watermarking using Diffusion of Logo into Autoencoder Feature
Maps [10.072876983072113]
本稿では,透かしのためのエンドツーエンドネットワークを提案する。
画像の内容に基づいて,畳み込みニューラルネットワーク(CNN)を用いて埋め込み強度を制御する。
異なる画像処理攻撃は、モデルの堅牢性を改善するためにネットワーク層としてシミュレートされる。
論文 参考訳(メタデータ) (2021-05-24T05:18:33Z) - Piracy-Resistant DNN Watermarking by Block-Wise Image Transformation
with Secret Key [15.483078145498085]
提案手法は学習可能な変換画像を用いてモデルに透かしパターンを埋め込む。
海賊に耐性があるため、元のウォーターマークは海賊版ウォーターマークでは上書きできない。
その結果,高い透かし検出精度を維持しつつ,微調整や刈り込み攻撃に対して弾力性を示した。
論文 参考訳(メタデータ) (2021-04-09T08:21:53Z) - 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) - Deep Photo Cropper and Enhancer [65.11910918427296]
画像に埋め込まれた画像を収穫する新しいタイプの画像強調問題を提案する。
提案手法をディープ・フォト・クリーパーとディープ・イメージ・エンハンサーの2つのディープ・ネットワークに分割した。
フォトクロッパーネットワークでは,埋め込み画像の抽出に空間変換器を用いる。
フォトエンハンサーでは、埋め込み画像中の画素数を増やすために超解像を用いる。
論文 参考訳(メタデータ) (2020-08-03T03:50:20Z)
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。