論文の概要: StegaINR4MIH: steganography by implicit neural representation for multi-image hiding
- arxiv url: http://arxiv.org/abs/2410.10117v1
- Date: Mon, 14 Oct 2024 03:09:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 03:04:18.068316
- Title: StegaINR4MIH: steganography by implicit neural representation for multi-image hiding
- Title（参考訳）: StegaINR4MIH : 多像隠蔽のための暗黙的神経表現によるステガノグラフィー
- Authors: Weina Dong, Jia Liu, Lifeng Chen, Wenquan Sun, Xiaozhong Pan, Yan Ke,
- Abstract要約: 複数の秘密画像を隠蔽画像に埋め込んだマルチ画像隠蔽は、画像ステガノグラフィー分野における研究ホットスポットになりつつある。
本稿では,1つの暗黙的表現関数内に複数の画像を隠蔽できる新しい暗黙的表現ステガノグラフィーフレームワークであるStegaINR4MIHを提案する。
- 参考スコア（独自算出の注目度）: 6.29495604869364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-image hiding, which embeds multiple secret images into a cover image and is able to recover these images with high quality, has gradually become a research hotspot in the field of image steganography. However, due to the need to embed a large amount of data in a limited cover image space, issues such as contour shadowing or color distortion often arise, posing significant challenges for multi-image hiding. In this paper, we propose StegaINR4MIH, a novel implicit neural representation steganography framework that enables the hiding of multiple images within a single implicit representation function. In contrast to traditional methods that use multiple encoders to achieve multi-image embedding, our approach leverages the redundancy of implicit representation function parameters and employs magnitude-based weight selection and secret weight substitution on pre-trained cover image functions to effectively hide and independently extract multiple secret images. We conduct experiments on images with a resolution of from three different datasets: CelebA-HQ, COCO, and DIV2K. When hiding two secret images, the PSNR values of both the secret images and the stego images exceed 42. When hiding five secret images, the PSNR values of both the secret images and the stego images exceed 39. Extensive experiments demonstrate the superior performance of the proposed method in terms of visual quality and undetectability.
- Abstract（参考訳）: 複数の秘密画像を隠蔽画像に埋め込んで高品質に復元できるマルチ画像隠蔽は、画像ステガノグラフィー分野における研究ホットスポットになりつつある。
しかし、限られたカバー画像空間に大量のデータを埋め込む必要があるため、輪郭影や色歪みなどの問題がしばしば発生し、マルチイメージの隠蔽には重大な課題が生じる。
本稿では,1つの暗黙表現関数内に複数の画像を隠すことができる新しい暗黙表現ステガノグラフィーフレームワークであるStegaINR4MIHを提案する。
マルチイメージ埋め込みを実現するために複数のエンコーダを使用する従来の手法とは対照的に,本手法では暗黙的表現関数パラメータの冗長性を生かし,事前学習した被写体画像関数に大きさに基づく重み選択とシークレット置換を用い,複数の秘密画像を効果的に隠蔽し,独立に抽出する。
我々は,CelebA-HQ,COCO,DIV2Kという3つの異なるデータセットの解像度で画像の実験を行う。
2つの秘密画像を隠すと、秘密画像とステゴ画像の両方のPSNR値が42。
5つの秘密画像を隠すと、秘密画像とステゴ画像の両方のPSNR値が39。
広汎な実験は、視覚的品質と非検出性の観点から提案手法の優れた性能を示す。
関連論文リスト
- Cover-separable Fixed Neural Network Steganography via Deep Generative Models [37.08937194546323]
我々は、Cs-FNNSという、カバー分離可能な固定ニューラルネットワークステレオグラフィーを提案する。
Cs-FNNSでは,シークレットデータを受容不能な摂動に直接エンコードするSPSアルゴリズムを提案する。
本稿では,視覚的品質と非検出性の観点から,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-16T05:47:06Z) - Image-GS: Content-Adaptive Image Representation via 2D Gaussians [55.15950594752051]
本稿では,コンテンツ適応型画像表現であるImage-GSを提案する。
異方性2Dガウスアンをベースとして、Image-GSは高いメモリ効率を示し、高速なランダムアクセスをサポートし、自然なレベルのディテールスタックを提供する。
画像-GSの一般的な効率性と忠実性は、最近のニューラルイメージ表現と業界標準テクスチャ圧縮機に対して検証される。
この研究は、機械認識、アセットストリーミング、コンテンツ生成など、適応的な品質とリソース制御を必要とする新しいアプリケーションを開発するための洞察を与えてくれることを願っている。
論文 参考訳（メタデータ） (2024-07-02T00:45:21Z) - CricaVPR: Cross-image Correlation-aware Representation Learning for Visual Place Recognition [73.51329037954866]
視覚的位置認識のための画像間相関認識を用いたロバストなグローバル表現手法を提案する。
本手法では,バッチ内の複数の画像の相関にアテンション機構を用いる。
本手法は,訓練時間を大幅に短縮し,最先端の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-29T15:05:11Z) - A Dynamic YOLO-Based Sequence-Matching Model for Efficient Coverless Image Steganography [12.950354250175982]
動的にマッチングされた画像に基づく効率的なカバーレスステガノグラフィー手法を提案する。
YOLOは最適なオブジェクトの選択に使用され、これらのオブジェクトとスクランブル要素の間のマッピング辞書が確立される。
典型的な幾何学的攻撃の下では、平均して79.85%の秘密情報を復元することができる。
論文 参考訳（メタデータ） (2024-01-22T13:35:27Z) - 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) - Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。
我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文 参考訳（メタデータ） (2023-04-02T10:25:09Z) - Hiding Images in Deep Probabilistic Models [58.23127414572098]
我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。
具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。
我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
論文 参考訳（メタデータ） (2022-10-05T13:33:25Z) - Multitask Identity-Aware Image Steganography via Minimax Optimization [9.062839197237807]
我々は,秘密画像の復元なしにコンテナイメージの直接認識を実現するための,Multitask Identity-Aware Image Steganography (MIAIS) というフレームワークを提案する。
直接認識の鍵となる問題は、秘密画像のアイデンティティ情報をコンテナイメージに保存し、コンテナイメージを同時にカバーイメージに類似させることである。
秘密画像復元に柔軟性を持たせるために,オプションの復元ネットワークを本手法に組み込んだ。
論文 参考訳（メタデータ） (2021-07-13T02:53:38Z) - Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。
Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。
実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-11-21T19:08:23Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-29T14:46:05Z)
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。