論文の概要: PRIS: Practical robust invertible network for image steganography

• arxiv url: http://arxiv.org/abs/2309.13620v2
• Date: Tue, 28 Nov 2023 09:28:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 14:36:14.659732
• Title: PRIS: Practical robust invertible network for image steganography
• Title（参考訳）: PRIS:画像ステガノグラフィのための実用的頑健な非可逆ネットワーク
• Authors: Hang Yang, Yitian Xu, Xuhua Liu, Xiaodong Ma
• Abstract要約: 画像ステガノグラフィー(英: Image steganography)は、人間の目では見えないように、他の画像の中に秘密情報を隠す技術である。 既存の画像ステガノグラフィ法のほとんどは、歪みに影響を受ける容器像の隠れ堅牢性が低い。 本稿では,可逆ニューラルネットワークに基づく画像ステガノグラフィーの堅牢性向上を目的としたPRISを提案する。
• 参考スコア（独自算出の注目度）: 10.153270845070676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image steganography is a technique of hiding secret information inside another image, so that the secret is not visible to human eyes and can be recovered when needed. Most of the existing image steganography methods have low hiding robustness when the container images affected by distortion. Such as Gaussian noise and lossy compression. This paper proposed PRIS to improve the robustness of image steganography, it based on invertible neural networks, and put two enhance modules before and after the extraction process with a 3-step training strategy. Moreover, rounding error is considered which is always ignored by existing methods, but actually it is unavoidable in practical. A gradient approximation function (GAF) is also proposed to overcome the undifferentiable issue of rounding distortion. Experimental results show that our PRIS outperforms the state-of-the-art robust image steganography method in both robustness and practicability. Codes are available at https://github.com/yanghangAI/PRIS, demonstration of our model in practical at http://yanghang.site/hide/.
• Abstract（参考訳）: 画像ステガノグラフィー(英: Image steganography)は、他の画像の中に秘密情報を隠す技術であり、その秘密が人間の目からは見えず、必要に応じて復元できる。 既存の画像ステガノグラフィ法のほとんどは、歪みに影響を受ける容器像の隠れ堅牢性が低い。 ガウスノイズや損失圧縮など。 本稿では,可逆ニューラルネットワークに基づく画像ステガノグラフィのロバスト性向上のためのprisを提案し,3段階のトレーニング戦略を用いて,抽出過程の前後に2つの強化モジュールを配置した。 さらに、既存の手法で常に無視される丸め誤差も考慮されているが、実際は避けられない。 傾斜近似関数 (GAF) も、円形歪みの微分不可能な問題を克服するために提案されている。 以上の結果から,PRISは画像ステガノグラフィー法よりも頑健性と実践性に優れていた。 コードはhttps://github.com/yanghangAI/PRISで公開されています。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Robust Message Embedding via Attention Flow-Based Steganography [34.35209322360329]
  画像ステガノグラフィーは、ホスト画像に情報を隠蔽し、元のものと知覚的に区別できないステゴ画像を得る。 本稿では,ホスト画像中のQRコードを介してメッセージを隠蔽する機能を持つ,Robust Message Steganography (RMSteg) と呼ばれる新しいメッセージ埋め込みフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-26T03:16:40Z)
• Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
  PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。 認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
  論文  参考訳（メタデータ） (2024-02-28T06:07:07Z)
• DKiS: Decay weight invertible image steganography with private key [11.41125892113752]
  新規な秘密鍵を用いた画像ステガノグラフィ技術が導入された。 ステガノグラフィー法の公開知識にかかわらず、アクセスには対応する秘密鍵が必要である。 非可逆的画像ステガノグラフィープロセスにおける重要な課題が特定されている。
  論文  参考訳（メタデータ） (2023-11-30T04:21:10Z)
• Double-Flow-based Steganography without Embedding for Image-to-Image Hiding [14.024920153517174]
  埋め込みのないステガノグラフィ(SWE)は、直接カバーに埋め込むことなく秘密のメッセージを隠蔽する。 SWEは、典型的なステガナリシス法に免疫を持つというユニークな利点があり、秘密のメッセージが露出することを防ぐことができる。 既存のSWE手法は、ペイロード容量が低く、回収された秘密メッセージの忠実度が低いため、一般的に批判されている。
  論文  参考訳（メタデータ） (2023-11-25T13:44:37Z)
• Detecting Generated Images by Real Images Only [64.12501227493765]
  既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。 本稿では,新たな視点から生成した画像検出問題にアプローチする。 実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
  論文  参考訳（メタデータ） (2023-11-02T03:09:37Z)
• Hiding Data in Colors: Secure and Lossless Deep Image Steganography via Conditional Invertible Neural Networks [20.81947232336795]
  既存のディープイメージステガノグラフィー手法は、コンテナイメージのホストイメージに対する視覚的類似性のみを考慮し、コンテナイメージの統計的セキュリティ(ステガノグラフィー)を無視する。 画像に任意の型でデータを埋め込むディープ・イメージ・ステガノグラフィー(deep image steganography)を提案する。
  論文  参考訳（メタデータ） (2022-01-19T07:09:36Z)
• Image Restoration by Deep Projected GSURE [115.57142046076164]
  Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。 本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-04T08:52:46Z)
• A Novel Local Binary Pattern Based Blind Feature Image Steganography [12.970738540611855]
  ブラインド画像ステガノグラフィを用いた新しい特徴量解析手法を提案する。この手法はカバーのlpp(local binary pattern)特徴を同等の埋め込み率で保存するものである。 提案手法は,秘密画像のビットを隠れるために局所バイナリパターンを計算し,そのビットをカバーに存在する局所関係をステゴ画像に保存する。
  論文  参考訳（メタデータ） (2021-01-16T06:37:00Z)
• Exploiting Deep Generative Prior for Versatile Image Restoration and Manipulation [181.08127307338654]
  本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。 深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
  論文  参考訳（メタデータ） (2020-03-30T17:45:07Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。