論文の概要: A study on the use of perceptual hashing to detect manipulation of
embedded messages in images
- arxiv url: http://arxiv.org/abs/2303.00092v1
- Date: Tue, 28 Feb 2023 21:32:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 16:47:24.782878
- Title: A study on the use of perceptual hashing to detect manipulation of
embedded messages in images
- Title（参考訳）: 画像中に埋め込まれたメッセージの操作を検出する知覚的ハッシュ法に関する研究
- Authors: Sven-Jannik W\"ohnert, Kai Hendrik W\"ohnert, Eldar Almamedov, Carsten
Frank, Volker Skwarek
- Abstract要約: この研究は、画像圧縮の損失による意図しない変更と、埋め込みメッセージの悪意的な操作を区別できる埋め込み原理を探索する。
この研究は、整数ウェーブレット変換によるメッセージの埋め込みと、Karhunen-Loeve-transformによる圧縮が最良の結果をもたらすことを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Typically, metadata of images are stored in a specific data segment of the
image file. However, to securely detect changes, data can also be embedded
within images. This follows the goal to invisibly and robustly embed as much
information as possible to, ideally, even survive compression.
This work searches for embedding principles which allow to distinguish
between unintended changes by lossy image compression and malicious
manipulation of the embedded message based on the change of its perceptual or
robust hash. Different embedding and compression algorithms are compared.
The study shows that embedding a message via integer wavelet transform and
compression with Karhunen-Loeve-transform yields the best results. However, it
was not possible to distinguish between manipulation and compression in all
cases.
- Abstract（参考訳）: 通常、画像のメタデータは画像ファイルの特定のデータセグメントに格納される。
しかし、変更を安全に検出するために、データはイメージの中に埋め込むこともできる。
これは、可能な限り多くの情報を埋め込んで、理想的には圧縮を生き残るという目標に従っている。
この研究は、画像圧縮の損失による意図しない変更と、その知覚的あるいは堅牢なハッシュの変化に基づいて、埋め込みメッセージの悪意的な操作を区別できる埋め込み原理を探索する。
異なる埋め込みおよび圧縮アルゴリズムを比較する。
この研究は、整数ウェーブレット変換によるメッセージの埋め込みとカルフネン・ローヴ変換による圧縮が最良の結果をもたらすことを示している。
しかし、すべてのケースで操作と圧縮を区別することは不可能であった。
関連論文リスト
- Perceptual Image Compression with Cooperative Cross-Modal Side
Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。
具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文 参考訳（メタデータ） (2023-11-23T08:31:11Z) - Progressive Learning with Visual Prompt Tuning for Variable-Rate Image
Compression [60.689646881479064]
本稿では,変圧器を用いた可変レート画像圧縮のためのプログレッシブラーニングパラダイムを提案する。
視覚的プロンプトチューニングにインスパイアされた私たちは,エンコーダ側とデコーダ側でそれぞれ入力画像と隠蔽特徴のプロンプトを抽出するためにLPMを使用する。
提案モデルでは, 速度歪み特性の観点から現行の可変画像法よりも優れ, スクラッチから訓練した最先端の固定画像圧縮法にアプローチする。
論文 参考訳（メタデータ） (2023-11-23T08:29:32Z) - Optimizing Image Compression via Joint Learning with Denoising [49.83680496296047]
スマートフォンカメラに搭載された比較的小さなセンサーのため、今日の撮像画像には高レベルのノイズが通常存在している。
計算コストを少なくして目的をシンプルかつ効果的に実現できるように,プラグイン機能付き2分岐重み共有アーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-07-22T04:23:01Z) - Metric Learning for Anti-Compression Facial Forgery Detection [32.33501564446107]
新規な抗圧縮顔面フォージェリー検出フレームワークを提案する。
オリジナル版と圧縮版の両方を使って、圧縮に敏感な埋め込み機能空間を学習する。
論文 参考訳（メタデータ） (2021-03-15T14:11:14Z) - Towards Robust Data Hiding Against (JPEG) Compression: A
Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。
ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。
本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-12-30T12:30:09Z) - What's in the Image? Explorable Decoding of Compressed Images [45.22726784749359]
ユビキタスJPEG標準のための新しいデコーダアーキテクチャを開発し、圧縮された画像の集合をトラバースする。
我々は、グラフィカル、医学的、法医学的なユースケースに関する我々のフレームワークを例示し、その幅広い潜在的な応用を実証する。
論文 参考訳（メタデータ） (2020-06-16T17:15:44Z) - Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。
エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。
ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文 参考訳（メタデータ） (2020-02-17T07:35:08Z)
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。