Fugu-MT 論文翻訳(概要): Deep Boosting Robustness of DNN-based Image Watermarking via DBMark

論文の概要: Deep Boosting Robustness of DNN-based Image Watermarking via DBMark

arxiv url: http://arxiv.org/abs/2210.13801v2
Date: Wed, 26 Oct 2022 03:48:23 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 15:33:54.824966
Title: Deep Boosting Robustness of DNN-based Image Watermarking via DBMark
Title（参考訳）: DBMarkによるDNN画像透かしの深層化ロバスト性
Authors: Guanhui Ye, Jiashi Gao, Wei Xie, Bo Yin, Xuetao Wei
Abstract要約: DNNベースの画像透かしの堅牢性を高めるために,新しいエンドツーエンドのデジタル透かしフレームワークDBMarkを提案する。このフレームワークは,Invertible Neural Networksの強力な情報埋め込みと抽出機能との相乗化により,メッセージ処理による冗長性と誤り訂正機能を備えた透かしを生成する。
参考スコア（独自算出の注目度）: 3.9394166162483835
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present DBMark, a new end-to-end digital image watermarking framework to deep boost the robustness of DNN-based image watermarking. The key novelty is the synergy of the Invertible Neural Networks(INNs) and effective watermark features generation. The framework generates watermark features with redundancy and error correction ability through message processing, synergized with the powerful information embedding and extraction capabilities of Invertible Neural Networks to achieve higher robustness and invisibility. Extensive experiment results demonstrate the superiority of the proposed framework compared with the state-of-the-art ones under various distortions.
Abstract（参考訳）: 本稿では,DNNによる画像透かしの堅牢性を高めるために,新しいエンドツーエンドのデジタル透かしフレームワークDBMarkを提案する。重要な特徴は、Invertible Neural Networks(INN)のシナジーと効果的なウォーターマーク機能の生成である。このフレームワークは、メッセージ処理を通じて冗長性と誤り訂正機能を備えた透かし特性を生成し、Invertible Neural Networksの強力な情報埋め込みと抽出機能と相乗して、高い堅牢性と可視性を実現する。大規模実験により, 種々の歪み下での最先端のフレームワークと比較して, 提案手法の優位性を示した。

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)
Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending [54.26862913139299]
我々は、ウォーターマークインフォームドブレンディング(TEAWIB)による潜伏拡散モデルに対する効果的なユーザ属性に向けた新しいフレームワークを提案する。 TEAWIBは、ユーザ固有の透かしを生成モデルにシームレスに統合する、ユニークな準備可能な構成アプローチを取り入れている。 TEAWIBの有効性を検証し、知覚的品質と帰属精度で最先端の性能を示す実験を行った。
論文参考訳（メタデータ） (2024-09-17T07:52:09Z)
Safe-SD: Safe and Traceable Stable Diffusion with Text Prompt Trigger for Invisible Generative Watermarking [20.320229647850017]
安定拡散(SD)モデルは一般的に画像合成とパーソナライズされた編集の分野で栄えている。 AIが作成したコンテンツを公開プラットフォームに公開することで、法的および倫理的リスクが高まる可能性がある。本研究では,透かしを認識不能な構造に適応させる,安全かつ高追従性安定拡散フレームワーク(SafeSD)を提案する。
論文参考訳（メタデータ） (2024-07-18T05:53:17Z)
Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
論文参考訳（メタデータ） (2024-05-19T11:29:52Z)
Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
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)
Reversible Quantization Index Modulation for Static Deep Neural Network Watermarking [57.96787187733302]
可逆的データ隠蔽法(RDH)は潜在的な解決策を提供するが、既存のアプローチはユーザビリティ、キャパシティ、忠実性の面で弱点に悩まされている。量子化指数変調(QIM)を用いたRDHに基づく静的DNN透かし手法を提案する。提案手法は,透かし埋め込みのための1次元量化器に基づく新しい手法を取り入れたものである。
論文参考訳（メタデータ） (2023-05-29T04:39:17Z)
A Compact Neural Network-based Algorithm for Robust Image Watermarking [30.727227627295548]
Invertible Watermarking Network (IWN) という,コンパクトニューラルネットワークを用いた新しいデジタル画像透かしソリューションを提案する。我々のIWNアーキテクチャは、単一の可逆ニューラルネットワーク(INN)に基づいている。電子透かし方式の堅牢性を高めるため,我々は単純だが効果的なビットメッセージ正規化モジュールを導入する。
論文参考訳（メタデータ） (2021-12-27T03:20:45Z)
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)
Spread-Transform Dither Modulation Watermarking of Deep Neural Network [33.63490683496175]
本稿では,サイド情報パラダイムによる透かしを利用した新しいDNN透かしアルゴリズムを提案し,透かしの難易度を低減し,ペイロードを増加させる。特に,ST-DM(Spread Transform Dither Modulation)による電子透かし方式は,従来のSSに基づく最近提案されたアルゴリズムの性能向上に寄与する。
論文参考訳（メタデータ） (2020-12-28T10:23:17Z)

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。