論文の概要: Image Steganography based on Style Transfer

• arxiv url: http://arxiv.org/abs/2203.04500v1
• Date: Wed, 9 Mar 2022 02:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-11 04:38:57.638874
• Title: Image Steganography based on Style Transfer
• Title（参考訳）: スタイル転送に基づく画像ステガノグラフィ
• Authors: Donghui Hu, Yu Zhang, Cong Yu, Jian Wang, Yaofei Wang
• Abstract要約: スタイル転送に基づく画像ステガノグラフィーネットワークを提案する。 コンテンツイメージスタイルを変換しながら、秘密情報を埋め込みます。 潜時空間では、秘密情報をカバー画像の潜時表現に統合してステゴ画像を生成する。
• 参考スコア（独自算出の注目度）: 12.756859984638961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image steganography is the art and science of using images as cover for covert communications. With the development of neural networks, traditional image steganography is more likely to be detected by deep learning-based steganalysis. To improve upon this, we propose image steganography network based on style transfer, and the embedding of secret messages can be disguised as image stylization. We embed secret information while transforming the content image style. In latent space, the secret information is integrated into the latent representation of the cover image to generate the stego images, which are indistinguishable from normal stylized images. It is an end-to-end unsupervised model without pre-training. Extensive experiments on the benchmark dataset demonstrate the reliability, quality and security of stego images generated by our steganographic network.
• Abstract（参考訳）: 画像ステガノグラフィ(image steganography)は、画像を隠密通信のカバーとして用いる技術と科学である。 ニューラルネットワークの発展に伴い、従来の画像ステガノグラフィーは深層学習に基づくステガナリシスによって検出される可能性が高い。 これを改善するために,スタイル転送に基づく画像ステガノグラフィーネットワークを提案し,秘密メッセージの埋め込みをイメージスタイリゼーションとして表すことができる。 コンテンツ画像形式を変換しながら秘密情報を埋め込みます。 潜在空間では、秘密情報はカバー画像の潜在表現に統合され、通常のスタイル化された画像と区別できないステゴ画像を生成する。 事前トレーニングなしで、エンドツーエンドの教師なしモデルである。 ベンチマークデータセットの広範な実験により,stego画像の信頼性,品質,安全性が実証された。

関連論文リスト

• Natias: Neuron Attribution based Transferable Image Adversarial Steganography [62.906821876314275]
  逆行性ステガナグラフィーは、ディープラーニングに基づくステガナリシスを効果的に欺く能力から、かなりの注目を集めている。 そこで我々は,Natias という新たな逆向きステガノグラフィー手法を提案する。 提案手法は既存の逆向きステガノグラフィーフレームワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-09-08T04:09:51Z)
• PPRSteg: Printing and Photography Robust QR Code Steganography via Attention Flow-Based Model [35.831644960576035]
  QRコードステガノグラフィーは、自然な画像に非自然なイメージを埋め込むことを目的としており、復元されたQRコードを認識する必要がある。 本稿では,QRコードをホスト画像に隠蔽する機能を持つPing and Photography Robust Steganography(PPRSteg)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-26T03:16:40Z)
• Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
  PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。 認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
  論文  参考訳（メタデータ） (2024-02-28T06:07:07Z)
• Learned representation-guided diffusion models for large-image generation [58.192263311786824]
  自己教師型学習(SSL)からの埋め込みを条件とした拡散モデルを訓練する新しいアプローチを導入する。 我々の拡散モデルは、これらの特徴を高品質な病理組織学およびリモートセンシング画像に投影することに成功した。 実画像のバリエーションを生成して実データを増やすことにより、パッチレベルおよび大規模画像分類タスクの下流精度が向上する。
  論文  参考訳（メタデータ） (2023-12-12T14:45:45Z)
• DKiS: Decay weight invertible image steganography with private key [11.41125892113752]
  新規な秘密鍵を用いた画像ステガノグラフィ技術が導入された。 ステガノグラフィー法の公開知識にかかわらず、アクセスには対応する秘密鍵が必要である。 非可逆的画像ステガノグラフィープロセスにおける重要な課題が特定されている。
  論文  参考訳（メタデータ） (2023-11-30T04:21:10Z)
• StyleEDL: Style-Guided High-order Attention Network for Image Emotion Distribution Learning [69.06749934902464]
  StyleEDLと呼ばれる画像感情分布学習のためのスタイル誘導型高次アテンションネットワークを提案する。 StyleEDLは視覚内容の階層的スタイリスティック情報を探索することにより、画像のスタイリスティックな表現を対話的に学習する。 さらに、コンテンツ依存の感情表現を動的に生成するスタイリスティックなグラフ畳み込みネットワークを導入する。
  論文  参考訳（メタデータ） (2023-08-06T03:22:46Z)
• Diffusion-based Image Translation using Disentangled Style and Content Representation [51.188396199083336]
  セマンティックテキストや単一のターゲット画像でガイドされた拡散ベースの画像変換により、柔軟なスタイル変換が可能になった。 逆拡散中、画像の原内容を維持することはしばしば困難である。 本稿では,不整合スタイルとコンテンツ表現を用いた新しい拡散に基づく教師なし画像翻訳手法を提案する。 提案手法は,テキスト誘導と画像誘導の両方の翻訳作業において,最先端のベースラインモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-30T06:44:37Z)
• Generative Steganography Network [37.182458848616754]
  表紙画像を用いることなく現実的なステゴ画像を生成することのできる,高度な生成型ステガノグラフィーネットワーク(GSN)を提案する。 シークレットブロックと呼ばれるモジュールは、画像生成中に特徴マップにシークレットデータを隠蔽するように微妙に設計されている。
  論文  参考訳（メタデータ） (2022-07-28T03:34:37Z)
• Semantic-Aware Generation for Self-Supervised Visual Representation Learning [116.5814634936371]
  セマンティック・アウェア・ジェネレーション(SaGe)は、生成した画像に保存される詳細よりも、よりリッチなセマンティクスを促進する。 SaGeは、ターゲットネットワークをビュー特有の特徴で補完することで、集中的なデータ拡張によって引き起こされるセマンティックな劣化を軽減する。 我々は、ImageNet-1K上でSaGeを実行し、近接検定、線形分類、微視的画像認識を含む5つの下流タスクで事前訓練されたモデルを評価する。
  論文  参考訳（メタデータ） (2021-11-25T16:46:13Z)
• A Novel Local Binary Pattern Based Blind Feature Image Steganography [12.970738540611855]
  ブラインド画像ステガノグラフィを用いた新しい特徴量解析手法を提案する。この手法はカバーのlpp(local binary pattern)特徴を同等の埋め込み率で保存するものである。 提案手法は,秘密画像のビットを隠れるために局所バイナリパターンを計算し,そのビットをカバーに存在する局所関係をステゴ画像に保存する。
  論文  参考訳（メタデータ） (2021-01-16T06:37:00Z)
• Multi-Image Steganography Using Deep Neural Networks [9.722040907570072]
  スタガノグラフィーは、通常の公開メッセージの中に秘密のメッセージを隠す科学です。 本研究では,ディープニューラルネットワークを用いて,同一解像度の単一のカバー画像内の複数の秘密画像の符号化と復号を行う。
  論文  参考訳（メタデータ） (2021-01-02T01:51:38Z)

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。