論文の概要: Perceptive self-supervised learning network for noisy image watermark
removal
- arxiv url: http://arxiv.org/abs/2403.02211v1
- Date: Mon, 4 Mar 2024 16:59:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 18:08:32.016227
- Title: Perceptive self-supervised learning network for noisy image watermark
removal
- Title(参考訳): 画像透かし除去のための知覚的自己教師付き学習ネットワーク
- Authors: Chunwei Tian, Menghua Zheng, Bo Li, Yanning Zhang, Shichao Zhang,
David Zhang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 59.440951785128995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Popular methods usually use a degradation model in a supervised way to learn
a watermark removal model. However, it is true that reference images are
difficult to obtain in the real world, as well as collected images by cameras
suffer from noise. To overcome these drawbacks, we propose a perceptive
self-supervised learning network for noisy image watermark removal (PSLNet) in
this paper. PSLNet depends on a parallel network to remove noise and
watermarks. The upper network uses task decomposition ideas to remove noise and
watermarks in sequence. The lower network utilizes the degradation model idea
to simultaneously remove noise and watermarks. Specifically, mentioned paired
watermark images are obtained in a self supervised way, and paired noisy images
(i.e., noisy and reference images) are obtained in a supervised way. To enhance
the clarity of obtained images, interacting two sub-networks and fusing
obtained clean images are used to improve the effects of image watermark
removal in terms of structural information and pixel enhancement. Taking into
texture information account, a mixed loss uses obtained images and features to
achieve a robust model of noisy image watermark removal. Comprehensive
experiments show that our proposed method is very effective in comparison with
popular convolutional neural networks (CNNs) for noisy image watermark removal.
Codes can be obtained at https://github.com/hellloxiaotian/PSLNet.
- Abstract(参考訳): 一般的な手法は通常、ウォーターマーク除去モデルを学ぶために教師ありの方法で分解モデルを用いる。
しかし、実世界では参照画像を得るのが困難であり、カメラによる収集画像もノイズに悩まされていることは事実である。
本稿では,これらの欠点を克服するために,雑音の多い画像透かし除去(PSLNet)のための自己教師型学習ネットワークを提案する。
PSLNetはノイズや透かしを取り除くために並列ネットワークに依存している。
上層ネットワークはタスク分解のアイデアを使って、連続したノイズや透かしを取り除く。
下位ネットワークは劣化モデルアイデアを利用してノイズと透かしを同時に除去する。
具体的には、前述の一対の透かし画像が自己教師あり方式で得られ、一対のノイズ画像(すなわちノイズ画像と参照画像)が教師あり方式で取得される。
画像の明快性を高めるため、2つのサブネットワークを相互作用させ、取得したクリーンイメージを融合することにより、画像ウォーターマークの除去効果を構造情報および画素強調の観点から改善する。
テクスチャ情報を考慮した混合損失は、得られた画像と特徴を用いて雑音画像の透かし除去の頑健なモデルを実現する。
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,提案手法が極めて有効であることを示す。
コードはhttps://github.com/hellloxiaotian/PSLNetで取得できる。
関連論文リスト
- Image Watermarks are Removable Using Controllable Regeneration from Clean Noise [26.09012436917272]
透かし技法の重要な特徴は、様々な操作に対する頑丈さである。
アート透かし技術の現状を効果的に無効化できる透かし除去手法を提案する。
論文 参考訳(メタデータ) (2024-10-07T20:04:29Z) - Npix2Cpix: A GAN-Based Image-to-Image Translation Network With Retrieval- Classification Integration for Watermark Retrieval From Historical Document Images [1.3549498237473223]
古代の透かしの識別と復元は、長い間、コーディコロジーと歴史の主要なトピックであった。
本稿では,Npix2Cpixと命名されたU-netベースの条件付き逆数生成ネットワーク(GAN)を改良し,ノイズの多い歴史的透かし画像からクリーンで手書きのない透かし画像に変換する手法を提案する。
論文 参考訳(メタデータ) (2024-06-05T18:10:49Z) - Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。
本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
論文 参考訳(メタデータ) (2024-04-07T13:30:10Z) - 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) - Tree-Ring Watermarks: Fingerprints for Diffusion Images that are
Invisible and Robust [55.91987293510401]
生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。
本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。
私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
論文 参考訳(メタデータ) (2023-05-31T17:00:31Z) - Visual Watermark Removal Based on Deep Learning [0.0]
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。
論文 参考訳(メタデータ) (2023-02-07T04:18:47Z) - Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。
我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。
私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
論文 参考訳(メタデータ) (2022-07-16T16:06:59Z) - 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) - 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)
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。