論文の概要: Deep Learning-based Dual Watermarking for Image Copyright Protection and Authentication

• arxiv url: http://arxiv.org/abs/2502.18501v1
• Date: Fri, 21 Feb 2025 07:58:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:58:19.120293
• Title: Deep Learning-based Dual Watermarking for Image Copyright Protection and Authentication
• Title（参考訳）: 画像保護と認証のための深層学習に基づくデュアル透かし
• Authors: Sudev Kumar Padhi, Archana Tiwari, Sk. Subidh Ali,
• Abstract要約: 本稿では,インターネット上に送信された画像のソース認証,コンテンツ認証,デジタルコンテンツ著作権保護を行うための,Deep Learningベースの2種類の透かし方式を提案する。 また、画像の暗号ハッシュや画像の主要な特徴を透かしとして使用するため、透かしを模倣または上書きすることは不可能である。 訓練されたモデルでは,高い透かし抽出精度が得られており,その知識を最大限活用するために,本論文で提案される深層学習に基づく二重透かし技術である。
• 参考スコア（独自算出の注目度）: 1.6385815610837167
• License:
• Abstract: Advancements in digital technologies make it easy to modify the content of digital images. Hence, ensuring digital images integrity and authenticity is necessary to protect them against various attacks that manipulate them. We present a Deep Learning (DL) based dual invisible watermarking technique for performing source authentication, content authentication, and protecting digital content copyright of images sent over the internet. Beyond securing images, the proposed technique demonstrates robustness to content-preserving image manipulations. It is also impossible to imitate or overwrite watermarks because the cryptographic hash of the image and the dominant features of the image in the form of perceptual hash are used as watermarks. We highlighted the need for source authentication to safeguard image integrity and authenticity, along with identifying similar content for copyright protection. After exhaustive testing, we obtained a high peak signal-to-noise ratio (PSNR) and structural similarity index measure (SSIM), which implies there is a minute change in the original image after embedding our watermarks. Our trained model achieves high watermark extraction accuracy and to the best of our knowledge, this is the first deep learning-based dual watermarking technique proposed in the literature.
• Abstract（参考訳）: デジタル技術の進歩により、デジタル画像の内容の変更が容易になる。 したがって、デジタル画像の完全性と信頼性を確保することは、それらを操作する様々な攻撃からそれらを保護するために必要である。 本稿では,Deep Learning (DL) をベースとした,ソース認証,コンテンツ認証,インターネット上で送信された画像のデジタルコンテンツ著作権保護のための2種類の透かし技術を提案する。 画像の保護以外にも、提案手法はコンテンツ保存画像操作に対する堅牢性を示す。 また、透かしの形で画像の暗号ハッシュや画像の優越的な特徴を透かしとして用いたため、透かしの模倣や上書きも不可能である。 我々は、画像の完全性と認証を保護するためのソース認証の必要性を強調し、著作権保護のための類似コンテンツを特定する。 その結果, 透かしを埋め込んだ後, 元の画像に微妙な変化がみられ, ピーク信号と雑音の比(PSNR)と構造類似度指数(SSIM)が得られた。 訓練されたモデルでは,高い透かし抽出精度が得られており,その知識を最大限活用するために,本論文で提案される深層学習に基づく二重透かし技術である。

関連論文リスト

• On the Coexistence and Ensembling of Watermarks [93.15379331904602]
  様々なオープンソースの透かしは、画像の品質と復号性に小さな影響しか与えない。 我々は、アンサンブルがメッセージ全体のキャパシティを向上し、基本モデルを再トレーニングすることなく、キャパシティ、正確性、堅牢性、画像品質の新たなトレードオフを可能にすることを示す。
  論文  参考訳（メタデータ） (2025-01-29T00:37:06Z)
• SLIC: Secure Learned Image Codec through Compressed Domain Watermarking to Defend Image Manipulation [0.9208007322096533]
  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。
  論文  参考訳（メタデータ） (2024-10-19T11:42:36Z)
• 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)
• 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)
• 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)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• 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)
• Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
  我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。 我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
  論文  参考訳（メタデータ） (2021-12-17T15:52:46Z)

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。