論文の概要: IWN: Image Watermarking Based on Idempotency

• arxiv url: http://arxiv.org/abs/2409.19506v1
• Date: Sun, 29 Sep 2024 01:29:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 22:02:34.924072
• Title: IWN: Image Watermarking Based on Idempotency
• Title（参考訳）: IWN:Idempotencyに基づく画像透かし
• Authors: Kaixin Deng,
• Abstract要約: 本稿では,画像透かし処理におけるイデオロシティの導入の可能性について検討する。 カラー画像透かしの回復品質向上に焦点をあてたモデルでは,イデオロシティを活用し,画像の可逆性を向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In the expanding field of digital media, maintaining the strength and integrity of watermarking technology is becoming increasingly challenging. This paper, inspired by the Idempotent Generative Network (IGN), explores the prospects of introducing idempotency into image watermark processing and proposes an innovative neural network model - the Idempotent Watermarking Network (IWN). The proposed model, which focuses on enhancing the recovery quality of color image watermarks, leverages idempotency to ensure superior image reversibility. This feature ensures that, even if color image watermarks are attacked or damaged, they can be effectively projected and mapped back to their original state. Therefore, the extracted watermarks have unquestionably increased quality. The IWN model achieves a balance between embedding capacity and robustness, alleviating to some extent the inherent contradiction between these two factors in traditional watermarking techniques and steganography methods.
• Abstract（参考訳）: デジタルメディアの分野では、透かし技術の強さと完全性を維持することがますます困難になっている。 本稿では,Idempotent Generative Network (IGN)に触発されて,画像透かし処理にIdempotencyを導入する可能性を探り,革新的なニューラルネットワークモデルであるIdempotent Watermarking Network (IWN)を提案する。 カラー画像透かしの回復品質向上に焦点をあてたモデルでは、イデオロシティを活用して画像の可逆性を向上する。 この機能により、カラー画像の透かしが攻撃されたり損傷されたりしても、効果的に投影され、元の状態にマッピングされる。 そのため、抽出された透かしは必然的に品質が向上した。 IWNモデルは、従来の透かし技術とステガノグラフィー手法におけるこれらの2つの要因の相違をある程度緩和し、埋め込み能力とロバストネスのバランスを達成する。

関連論文リスト

• Certifiably Robust Image Watermark [57.546016845801134]
  ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。 ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。 本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:56:04Z)
• JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
  JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。 本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T03:31:41Z)
• 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)
• 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)
• Adaptive Blind Watermarking Using Psychovisual Image Features [8.75217589103206]
  本稿では,カバー画像の異なる部分に埋め込まれた透かしの強度を適応的に決定する手法を提案する。 また, 提案手法は, 異なる種類の共通透かし攻撃において, 組込みペイロードを効果的に再構築できることを示す。
  論文  参考訳（メタデータ） (2022-12-25T06:33:36Z)
• Deep Boosting Robustness of DNN-based Image Watermarking via DBMark [3.9394166162483835]
  DNNベースの画像透かしの堅牢性を高めるために,新しいエンドツーエンドのデジタル透かしフレームワークDBMarkを提案する。 このフレームワークは,Invertible Neural Networksの強力な情報埋め込みと抽出機能との相乗化により,メッセージ処理による冗長性と誤り訂正機能を備えた透かしを生成する。
  論文  参考訳（メタデータ） (2022-10-25T07:09:49Z)
• Convolutional Neural Network-Based Image Watermarking using Discrete Wavelet Transform [5.1779694507922835]
  本稿では,畳み込みニューラルネットワーク(CNN)とウェーブレット変換を組み合わせた透かしネットワークを提案する。 ネットワークはホストイメージの解像度とは独立しており、あらゆる種類の透かしを受け付け、パフォーマンスを維持しながら11のCNN層しか持たない。
  論文  参考訳（メタデータ） (2022-10-08T22:54:46Z)
• 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)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)
• 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)
• 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)

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。