論文の概要: Blind Visible Watermark Removal with Morphological Dilation

• arxiv url: http://arxiv.org/abs/2502.02676v1
• Date: Tue, 04 Feb 2025 19:36:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-06 14:28:53.791752
• Title: Blind Visible Watermark Removal with Morphological Dilation
• Title（参考訳）: 形態的拡張によるブラインド可視性透かし除去
• Authors: Preston K. Robinette, Taylor T. Johnson,
• Abstract要約: 自動透かし除去のための新しい手法であるMorphoModを提案する。 MorphoModはセマンティックコンテンツを保持しながら不透明な透かしを削除する。 最先端の方法と比較して、透かし除去の有効性は最大で50.8%向上する。
• 参考スコア（独自算出の注目度）: 2.9316541407398766
• License:
• Abstract: Visible watermarks pose significant challenges for image restoration techniques, especially when the target background is unknown. Toward this end, we present MorphoMod, a novel method for automated visible watermark removal that operates in a blind setting -- without requiring target images. Unlike existing methods, MorphoMod effectively removes opaque and transparent watermarks while preserving semantic content, making it well-suited for real-world applications. Evaluations on benchmark datasets, including the Colored Large-scale Watermark Dataset (CLWD), LOGO-series, and the newly introduced Alpha1 datasets, demonstrate that MorphoMod achieves up to a 50.8% improvement in watermark removal effectiveness compared to state-of-the-art methods. Ablation studies highlight the impact of prompts used for inpainting, pre-removal filling strategies, and inpainting model performance on watermark removal. Additionally, a case study on steganographic disorientation reveals broader applications for watermark removal in disrupting high-level hidden messages. MorphoMod offers a robust, adaptable solution for watermark removal and opens avenues for further advancements in image restoration and adversarial manipulation.
• Abstract（参考訳）: 視覚的な透かしは、特に対象の背景が不明な場合に、画像復元技術に重大な課題をもたらす。 この目的に向けてMorphoModを提案する。MorphoModは視覚的透かしを自動除去する新しい手法で、ターゲット画像を必要としないブラインド環境で動作させる。 既存の方法とは異なり、MorphoModは意味的コンテンツを保存しながら不透明で透明な透かしを効果的に取り除き、現実世界のアプリケーションに適している。 Colored Large-scale Watermark Dataset (CLWD)、LOGOシリーズ、新たに導入されたAlpha1データセットなどのベンチマークデータセットの評価は、MorphoModが最先端の方法と比較して最大50.8%改善したことを示している。 アブレーション研究は、塗布、除去前充填戦略、塗布モデルの性能が透かし除去に与える影響を浮き彫りにした。 さらに, ステガノグラフィー・ディオリエンテーションのケーススタディにより, ハイレベルな隠蔽メッセージの破壊における透かし除去の幅広い応用が明らかにされた。 MorphoModは、透かし除去のための堅牢で適応可能なソリューションを提供し、画像修復と対向操作のさらなる進歩のための道を開く。

関連論文リスト

• A Baseline Method for Removing Invisible Image Watermarks using Deep Image Prior [2.5096001124754728]
  透かし画像のデータセットや透かしシステムに関する知識を必要とせずに、見えない画像の透かしを除去するブラックボックス方式を提案する。 DIPの中間段階から、見えない透かしを除去できる回避像を確実に見つけることができることを示す。
  論文  参考訳（メタデータ） (2025-02-19T07:30:19Z)
• Invisible Watermarks: Attacks and Robustness [0.3495246564946556]
  本稿では,攻撃時の画像品質の劣化を最小限に抑えるとともに,透かしの堅牢性を向上する新しい手法を提案する。 そこで本研究では,デコード中,一方の透かしのモダリティを保ちながら他方を完全に除去する独自の透かし除去ネットワークを提案する。 評価の結果,1)他のモダリティを復号する際の透かしモダリティの1つを保持するための透かし除去モデルの実装は,ベースライン性能において若干改善され,2)LBAは画像全体の均一なぼかしに比べて画像の劣化を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-12-17T03:50:13Z)
• SuperMark: Robust and Training-free Image Watermarking via Diffusion-based Super-Resolution [27.345134138673945]
  我々は、堅牢でトレーニング不要な透かしフレームワークであるSuperMarkを提案する。 SuperMarkは既存の手法を使って初期ガウスノイズに透かしを埋め込む。 次に、トレーニング済みの超解像モデルを適用して、透かしのノイズを消音し、最終的な透かしの画像を生成する。 抽出には、透かし画像がDDIM変換により初期透かしノイズに逆戻りされ、埋め込み透かしが抽出される。 実験により、SuperMarkは既存のメソッドに匹敵する忠実性を達成し、ロバスト性を大幅に改善した。
  論文  参考訳（メタデータ） (2024-12-13T11:20:59Z)
• 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)
• Gaussian Shading: Provable Performance-Lossless Image Watermarking for Diffusion Models [71.13610023354967]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,性能ロスレスかつトレーニング不要な拡散モデル透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T13:30:10Z)
• Perceptive self-supervised learning network for noisy image watermark removal [59.440951785128995]
  雑音の多い画像透かし除去のための知覚的自己教師型学習ネットワーク(PSLNet)を提案する。 提案手法は,雑音の多い画像透かし除去のための一般的な畳み込みニューラルネットワーク(CNN)と比較して非常に効果的である。
  論文  参考訳（メタデータ） (2024-03-04T16:59:43Z)
• Removing Interference and Recovering Content Imaginatively for Visible Watermark Removal [63.576748565274706]
  本研究では,Removing Interference and Recovering Content Imaginatively (RIRCI)フレームワークについて紹介する。 RIRCIは2段階のアプローチを具現化しており、最初のフェーズは透かし成分の識別と分離に焦点を当て、次のフェーズは背景コンテンツの復元に焦点を当てている。 本モデルでは,半透明透かしの下の固有背景情報を完全に探索できるデュアルパスネットワークを用いる。
  論文  参考訳（メタデータ） (2023-12-22T02:19:23Z)
• 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)
• WDNet: Watermark-Decomposition Network for Visible Watermark Removal [61.14614115654322]
  透かしのサイズ、形状、色、透明さの不確かさは、画像から画像への翻訳技術にとって大きな障壁となった。 従来の透かし画像分解を2段発電機(WDNet(Watermark-Decomposition Network))に組み合わせます。 分解製剤は、WDNetが単に削除するのではなく、画像から透かしを分離することができます。
  論文  参考訳（メタデータ） (2020-12-14T15:07:35Z)
• 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。