論文の概要: IDEAW: Robust Neural Audio Watermarking with Invertible Dual-Embedding

• arxiv url: http://arxiv.org/abs/2409.19627v1
• Date: Sun, 29 Sep 2024 09:32:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 22:09:00.488693
• Title: IDEAW: Robust Neural Audio Watermarking with Invertible Dual-Embedding
• Title（参考訳）: IDEAW: 可逆的デュアル埋め込みによるロバストなニューラルオーディオ透かし
• Authors: Pengcheng Li, Xulong Zhang, Jing Xiao, Jianzong Wang,
• Abstract要約: 本稿では,効率的な位置決めのための二重埋め込み型透かしモデルの設計を行う。 実験により、提案モデルであるIDEAWは、既存の手法と比較して、高いキャパシティとより効率的な位置決め能力を持つ様々な攻撃に耐えられることが示された。
• 参考スコア（独自算出の注目度）: 29.89341878606415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The audio watermarking technique embeds messages into audio and accurately extracts messages from the watermarked audio. Traditional methods develop algorithms based on expert experience to embed watermarks into the time-domain or transform-domain of signals. With the development of deep neural networks, deep learning-based neural audio watermarking has emerged. Compared to traditional algorithms, neural audio watermarking achieves better robustness by considering various attacks during training. However, current neural watermarking methods suffer from low capacity and unsatisfactory imperceptibility. Additionally, the issue of watermark locating, which is extremely important and even more pronounced in neural audio watermarking, has not been adequately studied. In this paper, we design a dual-embedding watermarking model for efficient locating. We also consider the impact of the attack layer on the invertible neural network in robustness training, improving the model to enhance both its reasonableness and stability. Experiments show that the proposed model, IDEAW, can withstand various attacks with higher capacity and more efficient locating ability compared to existing methods.
• Abstract（参考訳）: 音声透かし技術は、メッセージをオーディオに埋め込んで、透かし付きオーディオからメッセージを正確に抽出する。 従来の手法では、専門的な経験に基づくアルゴリズムを開発し、透かしを信号の時間領域や変換領域に埋め込む。 ディープニューラルネットワークの開発に伴い、ディープラーニングベースのニューラルオーディオ透かしが登場している。 従来のアルゴリズムと比較して、ニューラルオーディオの透かしは、トレーニング中に様々な攻撃を考慮することにより、より堅牢性を達成する。 しかし、現在のニューラルウォーターマーキング法は、低容量で不満足な非受容性に悩まされている。 さらに、ニューラルオーディオの透かしにおいて非常に重要であり、さらに顕著である透かし位置の問題は十分に研究されていない。 本稿では,効率的な位置決めのための二重埋め込み型透かしモデルの設計を行う。 また、ロバストネストレーニングにおいて、攻撃層が非可逆ニューラルネットワークに与える影響についても検討し、その妥当性と安定性の両方を高めるためにモデルを改善した。 実験の結果,提案モデルであるIDEAWは,既存の手法と比較して,高いキャパシティと効率的な位置決め能力を備えた様々な攻撃に耐えることができることがわかった。

関連論文リスト

• SilentCipher: Deep Audio Watermarking [26.559909295466586]
  音声透かしにおける3つの重要な革新を紹介する。 まず、心理音響モデルに基づくしきい値を統合して、知覚不能な透かしを実現する。 次に,psuedo-differentiable compression layerを導入し,透かしアルゴリズムの堅牢性を向上させる。 第三に、知覚的損失を排除し、堅牢性および知覚不能な透かしの両方でSOTAを実現する方法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T07:58:31Z)
• Proactive Detection of Voice Cloning with Localized Watermarking [50.13539630769929]
  本稿では,AI生成音声の局所検出に特化して設計された,最初の音声透かし技術であるAudioSealを紹介する。 AudioSealは、ローカライゼーションロスと共同でトレーニングされたジェネレータ/検出器アーキテクチャを使用して、サンプルレベルまでローカライズされた透かし検出を可能にする。 AudioSealは、実生活のオーディオ操作に対する堅牢性と、自動的および人的評価指標に基づく非知覚性の観点から、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-01-30T18:56:22Z)
• WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
  WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。 我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。 我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
  論文  参考訳（メタデータ） (2024-01-16T18:58:36Z)
• WavMark: Watermarking for Audio Generation [70.65175179548208]
  本稿では,わずか1秒の音声スニペット内に最大32ビットの透かしを符号化する,革新的な音声透かしフレームワークを提案する。 透かしは人間の感覚に影響されず、様々な攻撃に対して強い弾力性を示す。 合成音声の効果的な識別子として機能し、オーディオ著作権保護の幅広い応用の可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-24T13:17:35Z)
• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• A Deep Learning-based Audio-in-Image Watermarking Scheme [1.1231577179316237]
  本稿では,深層学習に基づく音声画像透かし方式を提案する。 ニューラルネットワークアーキテクチャは、教師なしの方法で透かしプロセスを自動的に学習するように設計されている。 実験結果から, ブラインド・イン・画像透かし方式の信頼性とロバスト性を示した。
  論文  参考訳（メタデータ） (2021-10-06T00:46:43Z)
• 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)
• Reversible Watermarking in Deep Convolutional Neural Networks for Integrity Authentication [78.165255859254]
  整合性認証のための可逆透かしアルゴリズムを提案する。 可逆透かしを埋め込むことが分類性能に及ぼす影響は0.5%未満である。 同時に、可逆的な透かしを適用することでモデルの完全性を検証することができる。
  論文  参考訳（メタデータ） (2021-04-09T09:32:21Z)
• Robust Black-box Watermarking for Deep NeuralNetwork using Inverse Document Frequency [1.2502377311068757]
  テキストドメイン用に設計されたディープニューラルネットワーク(DNN)モデルを透かし出すためのフレームワークを提案する。 提案した埋め込み手順はモデルのトレーニング時間内に行われ、透かし検証ステージが簡単になる。 実験の結果, 透かし付きモデルでは, 元のモデルと同じ精度を示した。
  論文  参考訳（メタデータ） (2021-03-09T17:56:04Z)
• An Automated and Robust Image Watermarking Scheme Based on Deep Neural Networks [8.765045867163648]
  ディープラーニングニューラルネットワークに基づく頑健で盲目な画像透かし方式を提案する。 提案手法の堅牢性は、攻撃の事前の知識や敵の例を必要とせずに達成される。
  論文  参考訳（メタデータ） (2020-07-05T22:23:31Z)

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。