論文の概要: Exploiting Fine-Grained DCT Representations for Hiding Image-Level
Messages within JPEG Images
- arxiv url: http://arxiv.org/abs/2305.06582v1
- Date: Thu, 11 May 2023 05:41:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 15:47:28.509425
- Title: Exploiting Fine-Grained DCT Representations for Hiding Image-Level
Messages within JPEG Images
- Title（参考訳）: jpeg画像内に画像レベルメッセージを隠すためのきめ細かいdct表現の活用
- Authors: Junxue Yang, Xin Liao
- Abstract要約: textsfEFDRは秘密画像を量子化されたDCT係数に埋め込むことができ、損失の少ないプロセスを避けることができる。
これは、同じ大きさのカラー画像をカラーJPEG画像に埋め込む最初の試みである。
- 参考スコア（独自算出の注目度）: 12.520987621597062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unlike hiding bit-level messages, hiding image-level messages is more
challenging, which requires large capacity, high imperceptibility, and high
security. Although recent advances in hiding image-level messages have been
remarkable, existing schemes are limited to lossless spatial images as covers
and cannot be directly applied to JPEG images, the ubiquitous lossy format
images in daily life. The difficulties of migration are caused by the lack of
targeted design and the loss of details due to lossy decompression and
re-compression. Considering that taking DCT densely on $8\times8$ image patches
is the core of the JPEG compression standard, we design a novel model called
\textsf{EFDR}, which can comprehensively \underline{E}xploit
\underline{F}ine-grained \underline{D}CT \underline{R}epresentations and embed
the secret image into quantized DCT coefficients to avoid the lossy process.
Specifically, we transform the JPEG cover image and hidden secret image into
fine-grained DCT representations that compact the frequency and are associated
with the inter-block and intra-block correlations. Subsequently, the
fine-grained DCT representations are further enhanced by a sub-band features
enhancement module. Afterward, a transformer-based invertibility module is
designed to fuse enhanced sub-band features. Such a design enables a
fine-grained self-attention on each sub-band and captures long-range
dependencies while maintaining excellent reversibility for hiding and recovery.
To our best knowledge, this is the first attempt to embed a color image of
equal size in a color JPEG image. Extensive experiments demonstrate the
effectiveness of our \textsf{EFDR} with superior performance.
- Abstract（参考訳）: ビットレベルのメッセージを隠すのとは異なり、画像レベルのメッセージを隠すことはより難しい。
画像レベルのメッセージを隠蔽する最近の進歩は目覚ましいが、既存のスキームは、カバーとしてのロスレス空間画像に限られており、JPEG画像、日常生活におけるユビキタスなフォーマット画像に直接適用できない。
移動の困難は、目標設計の欠如と、減圧と再圧縮の損失による詳細の喪失によって引き起こされる。
JPEG圧縮標準のコアとなる8.8ドル画像パッチにDCTを密着させることを考えると、損失の少ないDCT係数に秘密画像を埋め込んで、その損失を回避するために、包括的に \underline{E}xploit \underline{F}ine-fine \underline{D}CT \underline{R}epresentations を組み込むことができる。
具体的には、JPEGのカバー画像と隠蔽画像から、ブロック間およびブロック内相関に関連付けられた周波数をコンパクト化した粒度DCT表現に変換する。
その後、サブバンド特徴強調モジュールにより細粒度DCT表現をさらに強化する。
その後、トランスベースの可逆モジュールは拡張サブバンド機能を融合するように設計されている。
このような設計により、各サブバンドの微細な自己アテンションを可能とし、隠蔽と回復の可逆性を保ちながら、長距離依存を捕捉することができる。
われわれの知る限り、これは色JPEG画像に同じ大きさのカラー画像を埋め込む最初の試みである。
広範囲な実験により,より優れた性能を持つtextsf{EFDR}の有効性が示された。
関連論文リスト
- JDEC: JPEG Decoding via Enhanced Continuous Cosine Coefficients [17.437568540883106]
本稿では,コサインの連続的定式化による局所的暗黙的ニューラル表現を用いたJPEG画像デコーディングの実践的手法を提案する。
提案するネットワークは,フレキシブルカラー画像JPEGアーティファクト削除タスクにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2024-04-03T03:28:04Z) - Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。
我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-06T03:03:28Z) - Multi-Modality Deep Network for JPEG Artifacts Reduction [33.02405073842042]
テキスト誘導JPEGアーティファクト削減のためのマルチモーダル融合学習法を提案する。
提案手法は,最先端の手法と比較して,より優れたデブロッキング結果が得られる。
論文 参考訳（メタデータ） (2023-05-04T11:54:02Z) - Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。
周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。
グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
論文 参考訳（メタデータ） (2023-03-05T13:15:28Z) - Learned Lossless JPEG Transcoding via Joint Lossy and Residual
Compression [21.205453851414248]
DCT領域の圧縮JPEG画像を圧縮する新しいフレームワークを提案する。
提案するフレームワークはJPEG圧縮に基づいて,平均21.49%の節約を達成できる。
複数のデータセットに対する実験により,提案するフレームワークはJPEG圧縮に基づいて,平均で約21.49%の節約が可能であることを実証した。
論文 参考訳（メタデータ） (2022-08-24T17:12:00Z) - Practical Learned Lossless JPEG Recompression with Multi-Level
Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。
実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
論文 参考訳（メタデータ） (2022-03-30T14:36:13Z) - Improving Cost Learning for JPEG Steganography by Exploiting JPEG Domain
Knowledge [52.880912557105106]
JEC-RLはJPEG DCT構造をカスタマイズするように設計されている。
強化学習下での埋め込み動作サンプリング機構で動作する。
JPEGイメージの高度な機能ベースと最新のCNNベースのステガナライザーの両方に対して、優れたセキュリティ性能を実現することができる。
論文 参考訳（メタデータ） (2021-05-09T08:10:41Z) - 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) - Learning to Improve Image Compression without Changing the Standard
Decoder [100.32492297717056]
本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。
具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。
JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
論文 参考訳（メタデータ） (2020-09-27T19:24:42Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z)
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。