論文の概要: Convolutional Neural Network-Based Image Watermarking using Discrete Wavelet Transform

• arxiv url: http://arxiv.org/abs/2210.06179v1
• Date: Sat, 8 Oct 2022 22:54:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 16:06:28.744868
• Title: Convolutional Neural Network-Based Image Watermarking using Discrete Wavelet Transform
• Title（参考訳）: 離散ウェーブレット変換を用いた畳み込みニューラルネットワークに基づく画像透かし
• Authors: Alireza Tavakoli, Zahra Honjani and Hedieh Sajedi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.1779694507922835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the Internet becomes more popular, digital images are used and transferred more frequently. Although this phenomenon facilitates easy access to information, it also creates security concerns and violates intellectual property rights by allowing illegal use, copying, and digital content theft. Using watermarks (WMs) in digital images is one of the most common ways to maintain security. Watermarking is proving and declaring ownership of an image by adding a digital watermark to the original image. Watermarks can be either text or an image placed overtly or covertly in an image and are expected to be challenging to remove. This paper proposes a combination of convolutional neural networks (CNNs) and wavelet transforms to obtain a watermarking network for embedding and extracting watermarks. The network is independent of the host image resolution, can accept all kinds of watermarks, and has only 11 CNN layers while keeping performance. Two terms measure performance; the similarity between the extracted watermark and the original one and the similarity between the host image and the watermarked one.
• Abstract（参考訳）: インターネットが普及するにつれて、デジタル画像はより頻繁に使われ、転送される。 この現象は情報へのアクセスを容易にするが、セキュリティ上の懸念を引き起こし、違法な使用、コピー、デジタルコンテンツ盗難を許すことで知的財産権を侵害する。 デジタル画像におけるウォーターマーク(wms)の使用は、セキュリティを維持する最も一般的な方法の1つである。 透かしは、原画像にデジタル透かしを加え、画像の所有権を証明し宣言する。 透かしは、テキストか画像のいずれかで、画像に過度に、あるいは隠れて置かれるので、削除が難しいことが期待できる。 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て,透かしを埋め込み抽出するための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。 2つの用語は、抽出された透かしと元の透かしの類似度と、ホスト画像と透かしの類似度を測る。

関連論文リスト

• IWN: Image Watermarking Based on Idempotency [0.0]
  本稿では,画像透かし処理におけるイデオロシティの導入の可能性について検討する。 カラー画像透かしの回復品質向上に焦点をあてたモデルでは,イデオロシティを活用し,画像の可逆性を向上する。
  論文  参考訳（メタデータ） (2024-09-29T01:29:34Z)
• A self-supervised CNN for image watermark removal [102.94929746450902]
  画像透かし除去(SWCNN)における自己教師型畳み込みニューラルネットワーク(CNN)を提案する。 SWCNNは、透かし分布に従って、ペアのトレーニングサンプルではなく、基準透かし画像を構築するために、自己教師付き方式を使用している。 テクスチャ情報を考慮すると、画像透かし除去の視覚効果を改善するために混合損失を利用する。
  論文  参考訳（メタデータ） (2024-03-09T05:59:48Z)
• 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)
• 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)
• Watermark Vaccine: Adversarial Attacks to Prevent Watermark Removal [69.10633149787252]
  本稿では,対人機械学習による対人防御機構を提案する。 破壊性ウォーターマークワクチン(DWV)は、透かし除去ネットワークを通過した後、宿主のイメージと透かしを破滅させる。 Inerasable Watermark Vaccine(IWV)は、透かしが取り除かれないようにし、目立たないようにする別の方法だ。
  論文  参考訳（メタデータ） (2022-07-17T13:50:02Z)
• 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)
• 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)
• WDNet: Watermark-Decomposition Network for Visible Watermark Removal [61.14614115654322]
  透かしのサイズ、形状、色、透明さの不確かさは、画像から画像への翻訳技術にとって大きな障壁となった。 従来の透かし画像分解を2段発電機(WDNet(Watermark-Decomposition Network))に組み合わせます。 分解製剤は、WDNetが単に削除するのではなく、画像から透かしを分離することができます。
  論文  参考訳（メタデータ） (2020-12-14T15:07:35Z)
• 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)

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。