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

• Certifiably Robust Image Watermark [57.546016845801134]
  ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。 ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。 本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:56:04Z)
• JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
  JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。 本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T03:31:41Z)
• Latent Watermark: Inject and Detect Watermarks in Latent Diffusion Space [7.082806239644562]
  既存の手法は、画質と透かしの堅牢性のジレンマに直面している。 画像品質の優れた透かしは通常、ぼやけやJPEG圧縮のような攻撃に対して弱い堅牢性を持つ。 本稿では,潜伏拡散空間内の透かしを注入し,検出する潜伏透かしを提案する。
  論文  参考訳（メタデータ） (2024-03-30T03:19:50Z)
• Robust-Wide: Robust Watermarking against Instruction-driven Image Editing [21.69779516621288]
  悪意のあるユーザーは、命令駆動の画像編集を利用して偽画像を作成することができる。 本稿では,命令駆動画像編集に対する最初の堅牢な透かし手法であるRobust-Wideを提案する。 実験により、ロバスト・ウェイドは編集画像から効果的に透かしを抽出でき、ビット誤り率は2.6%近くであることが示された。
  論文  参考訳（メタデータ） (2024-02-20T03:33:54Z)
• 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)
• 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。