論文の概要: A Robust Document Image Watermarking Scheme using Deep Neural Network
- arxiv url: http://arxiv.org/abs/2202.13067v1
- Date: Sat, 26 Feb 2022 05:28:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-01 16:44:26.997591
- Title: A Robust Document Image Watermarking Scheme using Deep Neural Network
- Title(参考訳): ディープニューラルネットワークを用いたロバストな文書画像透かし方式
- Authors: Sulong Ge, Zhihua Xia, Jianwei Fei, Xingming Sun, and Jian Weng
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 10.938878993948517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Watermarking is an important copyright protection technology which generally
embeds the identity information into the carrier imperceptibly. Then the
identity can be extracted to prove the copyright from the watermarked carrier
even after suffering various attacks. Most of the existing watermarking
technologies take the nature images as carriers. Different from the natural
images, document images are not so rich in color and texture, and thus have
less redundant information to carry watermarks. This paper proposes an
end-to-end document image watermarking scheme using the deep neural network.
Specifically, an encoder and a decoder are designed to embed and extract the
watermark. A noise layer is added to simulate the various attacks that could be
encountered in reality, such as the Cropout, Dropout, Gaussian blur, Gaussian
noise, Resize, and JPEG Compression. A text-sensitive loss function is designed
to limit the embedding modification on characters. An embedding strength
adjustment strategy is proposed to improve the quality of watermarked image
with little loss of extraction accuracy. Experimental results show that the
proposed document image watermarking technology outperforms three
state-of-the-arts in terms of the robustness and image quality.
- Abstract(参考訳): ウォーターマーキングは重要な著作権保護技術であり、一般にキャリアに識別情報を埋め込む。
すると、様々な攻撃に遭った後でも、同一性を抽出して、透かし付きキャリアから著作権を証明することができる。
既存の透かし技術のほとんどは、自然画像をキャリアとして捉えている。
自然画像と異なり、文書画像は色やテクスチャに富んでおらず、透かしを運ぶための冗長な情報が少ない。
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。
Cropout, Dropout, Gaussian blur, Gaussian noise, Resize, JPEG Compressionなど,現実に遭遇する可能性のあるさまざまな攻撃をシミュレートするためにノイズ層が追加されている。
テキスト感度損失関数は文字への埋め込み変更を制限するように設計されている。
抽出精度を損なうことなく透かし画像の品質を向上させるため, 埋め込み強度調整戦略を提案する。
実験結果から,提案した文書画像透かし技術は,堅牢性と画質の点で3つの最先端技術を上回っていることがわかった。
関連論文リスト
- Benchmarking the Robustness of Image Watermarks [69.97769967867634]
本稿では,画像透かし技術の弱点について検討する。
We present WAVES, a novel benchmark for evaluate watermark robustness。
我々はWAVESを,ロバストな透かしシステムの開発のためのツールキットとして想定する。
論文 参考訳(メタデータ) (2024-01-16T18:58:36Z) - Robustness of AI-Image Detectors: Fundamental Limits and Practical
Attacks [47.04650443491879]
我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。
ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
論文 参考訳(メタデータ) (2023-09-29T18:30:29Z) - 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) - 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) - Adaptive Blind Watermarking Using Psychovisual Image Features [8.75217589103206]
本稿では,カバー画像の異なる部分に埋め込まれた透かしの強度を適応的に決定する手法を提案する。
また, 提案手法は, 異なる種類の共通透かし攻撃において, 組込みペイロードを効果的に再構築できることを示す。
論文 参考訳(メタデータ) (2022-12-25T06:33:36Z) - Convolutional Neural Network-Based Image Watermarking using Discrete
Wavelet Transform [5.1779694507922835]
本稿では,畳み込みニューラルネットワーク(CNN)とウェーブレット変換を組み合わせた透かしネットワークを提案する。
ネットワークはホストイメージの解像度とは独立しており、あらゆる種類の透かしを受け付け、パフォーマンスを維持しながら11のCNN層しか持たない。
論文 参考訳(メタデータ) (2022-10-08T22:54:46Z) - 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 Screen-Shooting Resilient Document Image Watermarking Scheme using
Deep Neural Network [6.662095297079911]
本稿では,ディープニューラルネットワークを用いた文書画像のスクリーン・シューティング・レジリエントな透かし方式を提案する。
具体的には、透かしを埋め込むエンコーダと、透かしを抽出するデコーダを備えたエンドツーエンドのニューラルネットワークである。
埋め込み強度調整戦略は、抽出精度を損なうことなく透かし画像の視覚的品質を向上させるように設計されている。
論文 参考訳(メタデータ) (2022-03-10T07:19:44Z) - 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) - Watermark Faker: Towards Forgery of Digital Image Watermarking [10.14145437847397]
我々は, 生成的逆学習を用いて, デジタル画像ウォーターマーク・フェイカーの開発を初めて試みる。
提案手法は,空間領域と周波数領域の両方において,デジタル画像透かしを効果的にクラックできることを示す。
論文 参考訳(メタデータ) (2021-03-23T12:28:00Z) - 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)
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。