論文の概要: SLIC: Secure Learned Image Codec through Compressed Domain Watermarking to Defend Image Manipulation

• arxiv url: http://arxiv.org/abs/2410.15075v1
• Date: Sat, 19 Oct 2024 11:42:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:20:38.004310
• Title: SLIC: Secure Learned Image Codec through Compressed Domain Watermarking to Defend Image Manipulation
• Title（参考訳）: SLIC: 圧縮されたドメイン透かしによるセキュアな学習画像コーデックによる画像操作
• Authors: Chen-Hsiu Huang, Ja-Ling Wu,
• Abstract要約: 本稿では,画像の信頼性を確保するための新しいアプローチであるSecure Learned Image Codec (SLIC)を紹介する。 SLICは、透かしを潜伏空間の逆の摂動として埋め込み、改ざんした場合、再圧縮時に画質が低下する画像を生成する。 本手法では,ニューラルエンコーダ/デコーダを微調整し,透かしの可視性とロバスト性をバランスさせ,非透かし画像の品質損失を最小限に抑える。
• 参考スコア（独自算出の注目度）: 0.9208007322096533
• License:
• Abstract: The digital image manipulation and advancements in Generative AI, such as Deepfake, has raised significant concerns regarding the authenticity of images shared on social media. Traditional image forensic techniques, while helpful, are often passive and insufficient against sophisticated tampering methods. This paper introduces the Secure Learned Image Codec (SLIC), a novel active approach to ensuring image authenticity through watermark embedding in the compressed domain. SLIC leverages neural network-based compression to embed watermarks as adversarial perturbations in the latent space, creating images that degrade in quality upon re-compression if tampered with. This degradation acts as a defense mechanism against unauthorized modifications. Our method involves fine-tuning a neural encoder/decoder to balance watermark invisibility with robustness, ensuring minimal quality loss for non-watermarked images. Experimental results demonstrate SLIC's effectiveness in generating visible artifacts in tampered images, thereby preventing their redistribution. This work represents a significant step toward developing secure image codecs that can be widely adopted to safeguard digital image integrity.
• Abstract（参考訳）: DeepfakeのようなジェネレーティブAIのデジタル画像操作と進歩は、ソーシャルメディア上で共有される画像の信頼性に関する重要な懸念を引き起こしている。 従来の画像鑑定技術は役に立つが、しばしば高度な改ざん法に対して受動的で不十分である。 本稿では,圧縮された領域に埋め込んだ透かしによる画像の信頼性を確保するための,新しいアクティブなアプローチであるSecure Learned Image Codec (SLIC)を紹介する。 SLICはニューラルネットワークベースの圧縮を活用して、透かしを潜伏空間に逆方向の摂動として埋め込む。 この劣化は、不正な修正に対する防御機構として機能する。 本手法では,ニューラルエンコーダ/デコーダを微調整し,透かしの可視性とロバスト性をバランスさせ,非透かし画像の品質損失を最小限に抑える。 実験結果から,SLICは画像の改ざんを防止し,その再分配を防止した。 この研究は、デジタル画像整合性を保護するために広く適用可能なセキュアな画像コーデックを開発するための重要なステップである。

関連論文リスト

• ESpeW: Robust Copyright Protection for LLM-based EaaS via Embedding-Specific Watermark [50.08021440235581]
  組み込み・アズ・ア・サービス(Eding)はAIアプリケーションにおいて重要な役割を担っている。 編集はモデル抽出攻撃に対して脆弱であり、著作権保護の緊急の必要性を強調している。 そこで我々は,Edingの著作権保護を堅牢にするための新しい埋め込み専用透かし (ESpeW) 機構を提案する。
  論文  参考訳（メタデータ） (2024-10-23T04:34:49Z)
• Social Media Authentication and Combating Deepfakes using Semi-fragile Invisible Image Watermarking [6.246098300155482]
  本稿では,メディア認証のために,見えない秘密メッセージを実画像に埋め込む半フレジブルな画像透かし手法を提案する。 提案するフレームワークは,顔の操作や改ざんに対して脆弱であると同時に,画像処理操作や透かし除去攻撃に対して頑健であるように設計されている。
  論文  参考訳（メタデータ） (2024-10-02T18:05:03Z)
• 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)
• RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
  本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。 我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。 このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
  論文  参考訳（メタデータ） (2024-01-23T22:00:49Z)
• FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models [64.89896692649589]
  テキスト・画像拡散モデルの微調整に適した透かしシステムであるFT-Shieldを提案する。 FT-Shieldは新しい透かしの生成と検出戦略を設計することで著作権保護の課題に対処する。
  論文  参考訳（メタデータ） (2023-10-03T19:50:08Z)
• Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
  我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。 ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2023-09-29T18:30:29Z)
• 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)
• Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
  Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。 我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。 提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
  論文  参考訳（メタデータ） (2023-06-02T23:29:28Z)
• FaceSigns: Semi-Fragile Neural Watermarks for Media Authentication and Countering Deepfakes [25.277040616599336]
  近年のリアルな画像合成技術やビデオ合成技術の発展により、ディープフェイクやメディアの操作は目覚ましい脅威になりつつある。 本稿では,画像画素に埋め込まれた見えない秘密メッセージを検証することによってメディア認証を可能にする,深層学習に基づく半フレギール透かし手法を提案する。
  論文  参考訳（メタデータ） (2022-04-05T03:29:30Z)
• A Robust Document Image Watermarking Scheme using Deep Neural Network [10.938878993948517]
  本稿では,ディープニューラルネットワークを用いたエンドツーエンドの文書画像透かし方式を提案する。 特に、エンコーダとデコーダは、透かしを埋め込んで抽出するように設計されている。 文字への埋め込み変更を制限するために、テキストセンシティブな損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-02-26T05:28:52Z)
• 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)

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。