論文の概要: SSH-Net: A Self-Supervised and Hybrid Network for Noisy Image Watermark Removal

• arxiv url: http://arxiv.org/abs/2505.05088v1
• Date: Thu, 08 May 2025 09:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.831257
• Title: SSH-Net: A Self-Supervised and Hybrid Network for Noisy Image Watermark Removal
• Title（参考訳）: SSH-Net: ノイズの多い画像透かし除去のための自己監督型ハイブリッドネットワーク
• Authors: Wenyang Liu, Jianjun Gao, Kim-Hui Yap,
• Abstract要約: SSH-Netは、ノイズの多い画像透かし除去のために設計されたセルフスーパービジョンとハイブリッドネットワークである。 より単純なノイズ除去作業に焦点を当てた上層ネットワークでは、軽量なCNNベースのアーキテクチャを採用している。 下層ネットワークは、透かしとノイズを同時に除去するより複雑なタスクを処理するように設計されており、Transformerブロックを組み込んで長距離依存をモデル化している。
• 参考スコア（独自算出の注目度）: 5.777950695154725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visible watermark removal is challenging due to its inherent complexities and the noise carried within images. Existing methods primarily rely on supervised learning approaches that require paired datasets of watermarked and watermark-free images, which are often impractical to obtain in real-world scenarios. To address this challenge, we propose SSH-Net, a Self-Supervised and Hybrid Network specifically designed for noisy image watermark removal. SSH-Net synthesizes reference watermark-free images using the watermark distribution in a self-supervised manner and adopts a dual-network design to address the task. The upper network, focused on the simpler task of noise removal, employs a lightweight CNN-based architecture, while the lower network, designed to handle the more complex task of simultaneously removing watermarks and noise, incorporates Transformer blocks to model long-range dependencies and capture intricate image features. To enhance the model's effectiveness, a shared CNN-based feature encoder is introduced before dual networks to extract common features that both networks can leverage. Our code will be available at https://github.com/wenyang001/SSH-Net.
• Abstract（参考訳）: 可視的な透かし除去は、その固有の複雑さと画像内のノイズのために困難である。 既存の手法は主に、実世界のシナリオでは入手できない、透かしと透かしのない画像のペアデータセットを必要とする教師付き学習アプローチに依存している。 この課題に対処するために、ノイズの多い画像透かし除去用に特別に設計されたセルフスーパービジョン・ハイブリッドネットワークであるSSH-Netを提案する。 SSH-Netは、透かし分布を用いて参照透かしのない画像を自己教師付きで合成し、タスクに対処する双対ネットワーク設計を採用する。 より単純なノイズ除去のタスクに焦点を当てた上層ネットワークは軽量なCNNベースのアーキテクチャを採用し、下層ネットワークは透かしとノイズを同時に除去するより複雑なタスクを扱うように設計されており、Transformerブロックを組み込んで長距離依存をモデル化し、複雑な画像特徴をキャプチャする。 モデルの有効性を高めるために、デュアルネットワークの前に共有CNNベースの機能エンコーダを導入し、両方のネットワークが利用できる共通の特徴を抽出する。 私たちのコードはhttps://github.com/wenyang001/SSH-Netで公開されます。

関連論文リスト

• Prior-guided Hierarchical Harmonization Network for Efficient Image Dehazing [50.92820394852817]
  画像復調のためのtextitPrior-textitguided textitHarmonization Network (PGH$2$Net) を提案する。 PGH$2$Netは、2つのモジュールタイプからなる効率的なエンコーダとデコーダを備えたUNetのようなアーキテクチャ上に構築されている。
  論文  参考訳（メタデータ） (2025-03-03T03:36:30Z)
• A self-supervised CNN for image watermark removal [102.94929746450902]
  画像透かし除去(SWCNN)における自己教師型畳み込みニューラルネットワーク(CNN)を提案する。 SWCNNは、透かし分布に従って、ペアのトレーニングサンプルではなく、基準透かし画像を構築するために、自己教師付き方式を使用している。 テクスチャ情報を考慮すると、画像透かし除去の視覚効果を改善するために混合損失を利用する。
  論文  参考訳（メタデータ） (2024-03-09T05:59:48Z)
• 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)
• A Compact Neural Network-based Algorithm for Robust Image Watermarking [30.727227627295548]
  Invertible Watermarking Network (IWN) という,コンパクトニューラルネットワークを用いた新しいデジタル画像透かしソリューションを提案する。 我々のIWNアーキテクチャは、単一の可逆ニューラルネットワーク(INN)に基づいている。 電子透かし方式の堅牢性を高めるため,我々は単純だが効果的なビットメッセージ正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2021-12-27T03:20:45Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)
• 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)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)
• Designing and Training of A Dual CNN for Image Denoising [117.54244339673316]
  クリーンなイメージを復元するためのDual denoising Network(DudeNet)を提案する。 DudeNetは4つのモジュールで構成されている。機能抽出ブロック、拡張ブロック、圧縮ブロック、再構築ブロックである。
  論文  参考訳（メタデータ） (2020-07-08T08:16:24Z)

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。