論文の概要: Robust Steganography with Boundary-Preserving Overflow Alleviation and Adaptive Error Correction
- arxiv url: http://arxiv.org/abs/2411.13819v1
- Date: Thu, 21 Nov 2024 03:49:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:17:34.417842
- Title: Robust Steganography with Boundary-Preserving Overflow Alleviation and Adaptive Error Correction
- Title（参考訳）: 境界保存オーバーフロー緩和と適応誤差補正を併用したロバストステガノグラフィー
- Authors: Yu Cheng, Zhenlin Luo, Zhaoxia Yin,
- Abstract要約: 既存の手法は,空間的乱れの影響を低減し,量子化係数の安定性を確保することを目的としている。
既存の方法は、画像画素に顕著な変化を誘発し、抗ステガナリシス性能を損なう可能性がある。
本研究では,空間ブロックの実際のオーバーフロー条件に基づいてオーバーフロー除去操作を行う前処理手法を提案する。
- 参考スコア（独自算出の注目度）: 14.517951900805317
- License:
- Abstract: With the rapid evolution of the Internet, the vast amount of data has created opportunities for fostering the development of steganographic techniques. However, traditional steganographic techniques encounter challenges due to distortions in online social networks, such as JPEG recompression. Presently, research into the lossy operations of spatial truncation in JPEG recompression remains limited. Existing methods aim to ensure the stability of the quantized coefficients by reducing the effects of spatial truncation. Nevertheless, these approaches may induce notable alterations to image pixels, potentially compromising anti-steganalysis performance. In this study, we analyzed the overflow characteristics of spatial blocks and observed that pixel values at the boundaries of spatial blocks are more prone to overflow. Building upon this observation, we proposed a preprocessing method that performs overflow removal operations based on the actual overflow conditions of spatial blocks. After preprocessing, our algorithm enhances coefficient stability while minimizing modifications to spatial block boundaries, favoring image quality preservation. Subsequently, we employed adaptive error correction coding to reduce coding redundancy, thereby augmenting robustness and mitigating its impact on anti-steganalysis performance. The experimental results indicate that the proposed method possesses a strong embedding capacity, maintaining a high level of robustness while enhancing security.
- Abstract（参考訳）: インターネットの急速な進化に伴い、膨大なデータがステガノグラフィー技術の発展を促進する機会を生み出している。
しかし、従来のステガノグラフィー技術は、JPEG再圧縮のようなオンラインソーシャルネットワークの歪みによる課題に直面している。
現在,JPEG再圧縮における空間的乱れの損失操作に関する研究は限られている。
既存の手法は,空間的乱れの影響を低減し,量子化係数の安定性を確保することを目的としている。
それにもかかわらず、これらのアプローチは画像画素に顕著な変化をもたらし、抗ステガナリシス性能を損なう可能性がある。
本研究では,空間ブロックのオーバーフロー特性を解析し,空間ブロックの境界の画素値の方がオーバーフローの傾向が高いことを示した。
この観測に基づいて,空間ブロックの実際のオーバーフロー条件に基づいてオーバーフロー除去操作を行う前処理手法を提案する。
プレプロセッシング後,空間ブロック境界の変更を最小限に抑えつつ,係数の安定性を向上し,画質の保存に寄与する。
その後, 適応的誤り訂正符号を用いて符号化冗長性を低減し, 堅牢性を増強し, 抗ステガナシス性能への影響を軽減した。
実験結果から, 本手法は高い埋め込み能力を有し, 高い強靭性を維持しつつ, 安全性を高めていることがわかった。
関連論文リスト
- Denoising as Adaptation: Noise-Space Domain Adaptation for Image Restoration [64.84134880709625]
拡散モデルを用いて,雑音空間を介して領域適応を行うことが可能であることを示す。
特に、補助的な条件入力が多段階の復調過程にどのように影響するかというユニークな性質を活用することにより、有意義な拡散損失を導出する。
拡散モデルにおけるチャネルシャッフル層や残留スワッピング型コントラスト学習などの重要な戦略を提案する。
論文 参考訳（メタデータ） (2024-06-26T17:40:30Z) - Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。
潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。
これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
論文 参考訳（メタデータ） (2024-03-14T12:58:28Z) - Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。
提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。
提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文 参考訳（メタデータ） (2024-03-12T05:06:07Z) - Privacy-Preserving Diffusion Model Using Homomorphic Encryption [5.282062491549009]
HE拡散(HE-Diffusion)と呼ばれる同相暗号を利用したプライバシー保護型安定拡散フレームワークを提案する。
本稿では,効率的な部分的画像暗号化を実現するための新しいミン歪み法を提案する。
HEベースのプライバシ保存型安定拡散推論の実装に成功した。
論文 参考訳（メタデータ） (2024-03-09T04:56:57Z) - Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - On the Quantification of Image Reconstruction Uncertainty without
Training Data [5.057039869893053]
本稿では,深部生成モデルを用いて近似後部分布を学習する深部変分フレームワークを提案する。
フローベースモデルを用いてターゲット後部をパラメータ化し,KL(Kullback-Leibler)の発散を最小限に抑え,正確な不確実性推定を実現する。
提案手法は信頼性と高品質な画像再構成を実現し,信頼性の高い不確実性を推定する。
論文 参考訳（メタデータ） (2023-11-16T07:46:47Z) - Flight Contrail Segmentation via Augmented Transfer Learning with Novel
SR Loss Function in Hough Space [0.6215404942415159]
航空輸送は、特に気候変動における飛行違反の役割に関して、重要な環境問題を引き起こしている。
最小ラベル付きデータを用いた精度の高い反則セグメンテーションのための革新的なアプローチを導入するために,数発のトランスファー学習を採用している。
また、画像空間をハフ空間に変換することで、反則線検出を強化する新しい損失関数SRロスを導入する。
論文 参考訳（メタデータ） (2023-07-22T09:44:45Z) - Towards Robust Image-in-Audio Deep Steganography [14.1081872409308]
本稿では,その堅牢性向上に焦点をあて,既存の音響深部ステガノグラフィー手法を拡張し,拡張する。
提案した機能拡張には、損失関数の修正、短い時間フーリエ変換(STFT)の利用、誤り訂正のための符号化プロセスにおける冗長性の導入、ピクセルサブ畳み込み操作における追加情報のバッファリングが含まれる。
論文 参考訳（メタデータ） (2023-03-09T03:16:04Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文 参考訳（メタデータ） (2020-05-12T09:55:53Z)
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。