論文の概要: Visual Watermark Removal Based on Deep Learning

• arxiv url: http://arxiv.org/abs/2302.11338v1
• Date: Tue, 7 Feb 2023 04:18:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 13:21:52.488237
• Title: Visual Watermark Removal Based on Deep Learning
• Title（参考訳）: 深層学習に基づく視覚的透かし除去
• Authors: Rongfeng Wei
• Abstract要約: 視覚的透かし除去のための深層学習手法を提案する。 U構造の強い画像翻訳性能に触発されて、AdvancedUnetと呼ばれるエンドツーエンドのディープニューラルネットワークモデルが提案され、同時に視覚的な透かしを抽出して除去する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years as the internet age continues to grow, sharing images on social media has become a common occurrence. In certain cases, watermarks are used as protection for the ownership of the image, however, in more cases, one may wish to remove these watermark images to get the original image without obscuring. In this work, we proposed a deep learning method based technique for visual watermark removal. Inspired by the strong image translation performance of the U-structure, an end-to-end deep neural network model named AdvancedUnet is proposed to extract and remove the visual watermark simultaneously. On the other hand, we embed some effective RSU module instead of the common residual block used in UNet, which increases the depth of the whole architecture without significantly increasing the computational cost. The deep-supervised hybrid loss guides the network to learn the transformation between the input image and the ground truth in a multi-scale and three-level hierarchy. Comparison experiments demonstrate the effectiveness of our method.
• Abstract（参考訳）: 近年,インターネット時代が拡大するにつれて,ソーシャルメディア上で画像共有が盛んに行われている。 場合によっては、透かしは画像の所有権を保護するために使用されるが、多くの場合、これらの透かし画像を取り除いて元の画像を取得するようにしたい場合が多い。 本研究では,視覚的透かし除去のための深層学習手法を提案する。 U構造の強い画像翻訳性能に触発されて、AdvancedUnetと呼ばれるエンドツーエンドのディープニューラルネットワークモデルが提案され、同時に視覚的な透かしを抽出して除去する。 一方,UNet で使用される共通残差ブロックの代わりに,有効な RSU モジュールを組み込み,計算コストを大幅に増大させることなくアーキテクチャ全体の深さを増大させる。 深い教師付きハイブリッド損失は、入力画像と地上真実の間の変換をマルチスケールおよび3レベル階層で学習するためにネットワークを誘導する。 比較実験により本手法の有効性が示された。

関連論文リスト

• 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)
• 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)
• 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)
• 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)
• 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。