論文の概要: PPRSteg: Printing and Photography Robust QR Code Steganography via Attention Flow-Based Model
- arxiv url: http://arxiv.org/abs/2405.16414v1
- Date: Sun, 26 May 2024 03:16:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 21:28:05.084737
- Title: PPRSteg: Printing and Photography Robust QR Code Steganography via Attention Flow-Based Model
- Title（参考訳）: PPRSteg:アテンションフローベースモデルによるロバストQRコードステガノグラフィ
- Authors: Huayuan Ye, Shenzhuo Zhang, Shiqi Jiang, Jing Liao, Shuhang Gu, Changbo Wang, Chenhui Li,
- Abstract要約: QRコードステガノグラフィーは、自然な画像に非自然なイメージを埋め込むことを目的としており、復元されたQRコードを認識する必要がある。
本稿では,QRコードをホスト画像に隠蔽する機能を持つPing and Photography Robust Steganography(PPRSteg)という新しいフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 35.831644960576035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image steganography can hide information in a host image and obtain a stego image that is perceptually indistinguishable from the original one. This technique has tremendous potential in scenarios like copyright protection, information retrospection, etc. Some previous studies have proposed to enhance the robustness of the methods against image disturbances to increase their applicability. However, they generally cannot achieve a satisfying balance between the steganography quality and robustness. In this paper, we focus on the issue of QR Code steganography that is robust to real-world printing and photography. Different from common image steganography, QR Code steganography aims to embed a non-natural image into a natural image and the restored QR Code is required to be recognizable, which increases the difficulty of data concealing and revealing. Inspired by the recent developments in transformer-based vision models, we discover that the tokenized representation of images is naturally suitable for steganography. In this paper, we propose a novel QR Code embedding framework, called Printing and Photography Robust Steganography (PPRSteg), which is competent to hide QR Code in a host image with unperceivable changes and can restore it even if the stego image is printed out and photoed. We outline a transition process to reduce the artifacts in stego images brought by QR Codes. We also propose a steganography model based on normalizing flow, which combines the attention mechanism to enhance its performance. To our best knowledge, this is the first work that integrates the advantages of transformer models into normalizing flow. We conduct comprehensive and detailed experiments to demonstrate the effectiveness of our method and the result shows that PPRSteg has great potential in robust, secure and high-quality QR Code steganography.
- Abstract（参考訳）: 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。
このテクニックは、著作権保護や情報レトロスペクションといったシナリオにおいて、大きな可能性を秘めています。
従来の研究では、画像障害に対する手法の堅牢性を高め、適用性を高めることが提案されている。
しかし、それらは一般に、ステガノグラフィーの品質と堅牢性の間の満足のいくバランスを達成できない。
本稿では,現実世界の印刷・撮影に頑健なQRコードステガノグラフィーの課題に焦点をあてる。
一般的な画像ステガノグラフィとは異なり、QRコードステガノグラフィーは自然画像に非自然なイメージを埋め込むことを目的としており、復元されたQRコードは認識可能であり、データの隠蔽と公開の難しさを増大させる。
近年のトランスフォーマーに基づく視覚モデルの発展に触発されて、画像のトークン化表現がステガノグラフィーに自然に適していることが判明した。
本稿では,ホスト画像にQRコードを隠蔽する機能を持つ新しいQRコード埋め込みフレームワークであるPing and Photography Robust Steganography(PPRSteg)を提案する。
QRコードによってもたらされるステゴ画像のアーティファクトを削減するための遷移プロセスの概要を述べる。
また,注視機構を組み合わせた正規化フローに基づくステガノグラフィーモデルを提案する。
私たちの知る限りでは、トランスフォーマーモデルの利点を正規化フローに統合する最初の研究である。
提案手法の有効性を示すための包括的かつ詳細な実験を行い,PPRStegは堅牢でセキュアで高品質なQRコードステガノグラフィーにおいて大きな可能性を秘めていることを示した。
関連論文リスト
- DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。
近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。
そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
論文 参考訳（メタデータ） (2024-07-15T06:15:49Z) - 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) - ENTED: Enhanced Neural Texture Extraction and Distribution for
Reference-based Blind Face Restoration [51.205673783866146]
我々は,高品質でリアルな肖像画を復元することを目的とした,ブラインドフェイス修復のための新しいフレームワークであるENTEDを提案する。
劣化した入力画像と参照画像の間で高品質なテクスチャ特徴を伝達するために,テクスチャ抽出と分布の枠組みを利用する。
われわれのフレームワークにおけるStyleGANのようなアーキテクチャは、現実的な画像を生成するために高品質な潜伏符号を必要とする。
論文 参考訳（メタデータ） (2024-01-13T04:54:59Z) - IMPRESS: Evaluating the Resilience of Imperceptible Perturbations
Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。
知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。
本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
論文 参考訳（メタデータ） (2023-10-30T03:33:41Z) - T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。
このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。
提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
論文 参考訳（メタデータ） (2023-09-07T16:12:06Z) - Text-to-image Editing by Image Information Removal [19.464349486031566]
原画像から色関連およびテクスチャ関連情報を選択的に消去する画像情報除去モジュール(IIR)を用いたテキスト画像編集モデルを提案する。
CUB、Outdoor Scenes、COCOに関する我々の実験は、編集された画像が以前の作業よりも35%多く好まれていることを示している。
論文 参考訳（メタデータ） (2023-05-27T14:48:05Z) - Image Steganography based on Style Transfer [12.756859984638961]
スタイル転送に基づく画像ステガノグラフィーネットワークを提案する。
コンテンツイメージスタイルを変換しながら、秘密情報を埋め込みます。
潜時空間では、秘密情報をカバー画像の潜時表現に統合してステゴ画像を生成する。
論文 参考訳（メタデータ） (2022-03-09T02:58:29Z) - News Image Steganography: A Novel Architecture Facilitates the Fake News
Identification [52.83247667841588]
フェイクニュースの大部分が、他の情報源からのアンスタンプ画像を引用している。
本稿では,GANに基づく画像ステガノグラフィによる不整合を明らかにするために,News Image Steganographyというアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-01-03T11:12:23Z) - PerceptionGAN: Real-world Image Construction from Provided Text through
Perceptual Understanding [11.985768957782641]
本稿では,識別器モジュールに知覚的理解を取り入れ,優れた画像を提供する手法を提案する。
複数の段階で画像分布をモデル化しながら、初期画像に含まれる知覚情報が改善されることを示す。
さらに重要なことに、提案手法は他の最先端のテキストベース画像生成モデルのパイプラインに統合することができる。
論文 参考訳（メタデータ） (2020-07-02T09:23:08Z) - 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) - Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。
証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。
本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-13T22:01:24Z)
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。