論文の概要: A Deep Learning-based Audio-in-Image Watermarking Scheme

• arxiv url: http://arxiv.org/abs/2110.02436v1
• Date: Wed, 6 Oct 2021 00:46:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-07 14:13:45.778614
• Title: A Deep Learning-based Audio-in-Image Watermarking Scheme
• Title（参考訳）: 深層学習に基づくオーディオインイメージ透かし方式
• Authors: Arjon Das, Xin Zhong
• Abstract要約: 本稿では,深層学習に基づく音声画像透かし方式を提案する。 ニューラルネットワークアーキテクチャは、教師なしの方法で透かしプロセスを自動的に学習するように設計されている。 実験結果から, ブラインド・イン・画像透かし方式の信頼性とロバスト性を示した。
• 参考スコア（独自算出の注目度）: 1.1231577179316237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a deep learning-based audio-in-image watermarking scheme. Audio-in-image watermarking is the process of covertly embedding and extracting audio watermarks on a cover-image. Using audio watermarks can open up possibilities for different downstream applications. For the purpose of implementing an audio-in-image watermarking that adapts to the demands of increasingly diverse situations, a neural network architecture is designed to automatically learn the watermarking process in an unsupervised manner. In addition, a similarity network is developed to recognize the audio watermarks under distortions, therefore providing robustness to the proposed method. Experimental results have shown high fidelity and robustness of the proposed blind audio-in-image watermarking scheme.
• Abstract（参考訳）: 本稿では,深層学習に基づく音声画像透かし方式を提案する。 オーディオ・イン・イメージ・透かし(Audio-in-image watermarking)は、隠れた画像に音声の透かしを埋め込んで抽出する手法である。 オーディオ透かしを使うことで、さまざまな下流アプリケーションの可能性を開くことができる。 ますます多様な状況の要求に対応する画像内透かしを実装するために、ニューラルネットワークアーキテクチャは、教師なしの方法で自動的に透かしプロセスを学習するように設計されている。 さらに,歪み下での音響透かしを認識するために類似性ネットワークを構築し,提案手法の堅牢性を提供する。 提案する視覚障害者用透かし方式の信頼性とロバスト性が実験により示された。

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)
• IDEAW: Robust Neural Audio Watermarking with Invertible Dual-Embedding [29.89341878606415]
  本稿では,効率的な位置決めのための二重埋め込み型透かしモデルの設計を行う。 実験により、提案モデルであるIDEAWは、既存の手法と比較して、高いキャパシティとより効率的な位置決め能力を持つ様々な攻撃に耐えられることが示された。
  論文  参考訳（メタデータ） (2024-09-29T09:32:54Z)
• AudioMarkBench: Benchmarking Robustness of Audio Watermarking [38.25450275151647]
  本稿では,透かし除去と透かし偽造に対する音響透かしの堅牢性を評価するための最初の体系的ベンチマークであるAudioMarkBenchを紹介する。 以上の結果から,従来の透かし手法の脆弱性を強調し,より堅牢で公正な透かしソリューションの必要性を強調した。
  論文  参考訳（メタデータ） (2024-06-11T06:18:29Z)
• Perceptive self-supervised learning network for noisy image watermark removal [59.440951785128995]
  雑音の多い画像透かし除去のための知覚的自己教師型学習ネットワーク(PSLNet)を提案する。 提案手法は,雑音の多い画像透かし除去のための一般的な畳み込みニューラルネットワーク(CNN)と比較して非常に効果的である。
  論文  参考訳（メタデータ） (2024-03-04T16:59:43Z)
• 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)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)
• 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)
• 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)
• An Automated and Robust Image Watermarking Scheme Based on Deep Neural Networks [8.765045867163648]
  ディープラーニングニューラルネットワークに基づく頑健で盲目な画像透かし方式を提案する。 提案手法の堅牢性は、攻撃の事前の知識や敵の例を必要とせずに達成される。
  論文  参考訳（メタデータ） (2020-07-05T22:23:31Z)

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。