論文の概要: Automatic Localization and Detection Applicable to Robust Image
Watermarking Resisting against Camera Shooting
- arxiv url: http://arxiv.org/abs/2304.13953v1
- Date: Thu, 27 Apr 2023 05:06:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 14:26:03.004930
- Title: Automatic Localization and Detection Applicable to Robust Image
Watermarking Resisting against Camera Shooting
- Title（参考訳）: カメラ撮影に抵抗するロバストな画像透かしに対する自動位置推定と検出
- Authors: Ming Liu
- Abstract要約: 提案方式は完全に自動化されており、アプリケーションのシナリオに最適である。
埋め込み透かしは、異なるシナリオでカメラ撮影画像から自動的に確実に抽出することができる。
- 参考スコア（独自算出の注目度）: 6.671754225593089
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust image watermarking that can resist camera shooting has become an
active research topic in recent years due to the increasing demand for
preventing sensitive information displayed on computer screens from being
captured. However, many mainstream schemes require human assistance during the
watermark detection process and cannot adapt to scenarios that require
processing a large number of images. Although deep learning-based schemes
enable end-to-end watermark embedding and detection, their limited
generalization ability makes them vulnerable to failure in complex scenarios.
In this paper, we propose a carefully crafted watermarking system that can
resist camera shooting. The proposed scheme deals with two important problems:
automatic watermark localization (AWL) and automatic watermark detection (AWD).
AWL automatically identifies the region of interest (RoI), which contains
watermark information, in the camera-shooting image by analyzing the local
statistical characteristics. Meanwhile, AWD extracts the hidden watermark from
the identified RoI after applying perspective correction. Compared with
previous works, the proposed scheme is fully automatic, making it ideal for
application scenarios. Furthermore, the proposed scheme is not limited to any
specific watermark embedding strategy, allowing for improvements in the
watermark embedding and extraction procedure. Extensive experimental results
and analysis show that the embedded watermark can be automatically and reliably
extracted from the camera-shooting image in different scenarios, demonstrating
the superiority and applicability of the proposed approach.
- Abstract（参考訳）: 近年,コンピュータ画面に表示されるセンシティブな情報を捕捉する必要性が高まっているため,カメラ撮影に抵抗できるロバストな画像透かしが活発に研究されている。
しかし、多くの主流のスキームは透かし検出プロセス中に人間の助けを必要とし、多数の画像を処理する必要のあるシナリオに適応できない。
ディープラーニングベースのスキームは、エンドツーエンドの透かし埋め込みと検出を可能にするが、その限定的な一般化能力により、複雑なシナリオにおける障害に対して脆弱である。
本稿では,カメラの撮影に抵抗できる電子透かしシステムを提案する。
提案手法は,AWL(Automatic Watermark Localization)とAWD(Automatic Watermark Detection)の2つの重要な問題を扱う。
AWLは、局所統計特性を分析して、カメラ撮影画像中の透かし情報を含む関心領域(RoI)を自動的に識別する。
一方、AWDは、視点補正を適用した後、特定されたRoIから隠れた透かしを抽出する。
従来の作業と比較すると、提案手法は完全に自動化されており、アプリケーションのシナリオに最適である。
さらに,提案手法は特定の透かし埋め込み戦略に限定されず,透かし埋め込みおよび抽出手順の改善が可能となった。
広汎な実験結果と分析により, カメラ撮影画像から, 組込み透かしを自動的に, 確実に抽出できることが示され, 提案手法の優位性と適用性を示す。
関連論文リスト
- Can LLM Watermarks Robustly Prevent Unauthorized Knowledge Distillation? [75.99961894619986]
本稿では,学生モデルが知識蒸留により,透かしの継承を回避しつつ,教師モデルの能力を獲得することができるかどうかを考察する。
本稿では,未ターゲットおよび目標とするトレーニングデータパラフレージング(UP,TP)による蒸留前除去と,推論時透かし中和(WN)による蒸留後除去の2つのカテゴリを提案する。
論文 参考訳（メタデータ） (2025-02-17T09:34:19Z) - CLUE-MARK: Watermarking Diffusion Models using CLWE [13.010337595004708]
本稿では,拡散モデルに対する最初の検出不能な透かし方式であるCLUE-Markを紹介する。
CLUE-Markは、ウォーターマークされたモデルの変更を一切必要とせず、計算効率が良く、モデル出力の品質に影響を与えないことが保証されている。
CLUE-Markは、最近のステガノグラフィー攻撃では検出や除去ができない。
論文 参考訳（メタデータ） (2024-11-18T10:03:01Z) - De-mark: Watermark Removal in Large Language Models [59.00698153097887]
我々は、n-gramベースの透かしを効果的に除去するために設計された高度なフレームワークであるDe-markを紹介する。
提案手法は,透かしの強度を評価するために,ランダム選択探索と呼ばれる新しいクエリ手法を利用する。
論文 参考訳（メタデータ） (2024-10-17T17:42:10Z) - RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。
我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。
このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
論文 参考訳（メタデータ） (2024-01-23T22:00:49Z) - Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs [23.639074918667625]
ホワイトボックス攻撃に対するロバスト性を向上したGANのための新しいマルチビット・ボックスフリー透かし手法を提案する。
透かしは、GANトレーニング中に余分な透かし損失項を追加することで埋め込む。
その結果,透かしの存在が画像の品質に与える影響は無視できることがわかった。
論文 参考訳（メタデータ） (2023-10-25T18:38:10Z) - Robustness of AI-Image Detectors: Fundamental Limits and Practical
Attacks [47.04650443491879]
我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。
ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
論文 参考訳（メタデータ） (2023-09-29T18:30:29Z) - Unbiased Watermark for Large Language Models [67.43415395591221]
本研究では, モデル生成出力の品質に及ぼす透かしの影響について検討した。
出力確率分布に影響を与えることなく、透かしを統合することができる。
ウォーターマークの存在は、下流タスクにおけるモデルの性能を損なうものではない。
論文 参考訳（メタデータ） (2023-09-22T12:46:38Z) - 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) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳（メタデータ） (2021-12-17T15:52:46Z) - Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal
Attack for DNN Models [72.9364216776529]
我々は異なる視点から新しい透かし除去攻撃を提案する。
我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。
我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
論文 参考訳（メタデータ） (2020-09-18T09:14:54Z) - 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。