Fugu-MT 論文翻訳(概要): An Efficient Digital Watermarking Technique for Small Scale devices

論文の概要: An Efficient Digital Watermarking Technique for Small Scale devices

arxiv url: http://arxiv.org/abs/2506.06691v1
Date: Sat, 07 Jun 2025 07:06:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-10 16:33:10.434047
Title: An Efficient Digital Watermarking Technique for Small Scale devices
Title（参考訳）: 小型デバイスにおける効率的な電子透かし技術
Authors: Kaushik Talathi, Aparna Santra Biswas,
Abstract要約: 本研究では,軽量なウォーターマーキング手法であるFast Wavelet Transform & Additive Quantization Index Modulation schemeを導入する。この方法は低周波FWTサブバンドを用いたYCbCr色空間の輝度成分に透かしを埋め込む。抽出および埋め込みプロセスは40ミリ秒未満で実行され、Raspberry Pi 5でテストする場合は最小のRAMを必要とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In the age of IoT and mobile platforms, ensuring that content stay authentic whilst avoiding overburdening limited hardware is a key problem. This study introduces hybrid Fast Wavelet Transform & Additive Quantization index Modulation (FWT-AQIM) scheme, a lightweight watermarking approach that secures digital pictures on low-power, memory-constrained small scale devices to achieve a balanced trade-off among robustness, imperceptibility, and computational efficiency. The method embeds watermark in the luminance component of YCbCr color space using low-frequency FWT sub-bands, minimizing perceptual distortion, using additive QIM for simplicity. Both the extraction and embedding processes run in less than 40 ms and require minimum RAM when tested on a Raspberry Pi 5. Quality assessments on standard and high-resolution images yield PSNR greater than equal to 34 dB and SSIM greater than equal to 0.97, while robustness verification includes various geometric and signal-processing attacks demonstrating near-zero bit error rates and NCC greater than equal to 0.998. Using a mosaic-based watermark, redundancy added enhancing robustness without reducing throughput, which peaks at 11 MP/s. These findings show that FWT-AQIM provides an efficient, scalable solution for real-time, secure watermarking in bandwidth- and power-constrained contexts, opening the way for dependable content protection in developing IoT and multimedia applications.
Abstract（参考訳）: IoTとモバイルプラットフォームの時代には、コンテンツが本物であることを保証すると同時に、限られたハードウェアの過負荷を回避することが重要な問題である。本研究では,FWT-AQIM(Fast Wavelet Transform & Additive Quantization Index Modulation)方式を導入し,低消費電力・メモリ制約の小型デバイス上でデジタル画像を保護する軽量な透かし方式を提案する。この方法は、低周波FWTサブバンドを用いてYCbCr色空間の輝度成分に透かしを埋め込み、知覚歪みを最小限に抑える。抽出と埋め込みのプロセスはどちらも40ミリ秒未満で動作し、Raspberry Pi 5でテストする場合は最小のRAMを必要とする。標準画像と高解像度画像の品質評価では、PSNRが34dB以上、SSIMが0.97以上、ロバスト性検証は幾何的および信号処理攻撃がほぼゼロビット誤り率を示し、NCCが0.998以上である。モザイクベースの透かしを使用して、冗長性はスループットを低下させることなく、11 MP/sで強化された堅牢性を追加した。これらの結果は、FWT-AQIMが、帯域幅と電力制約のあるコンテキストにおいて、リアルタイムでセキュアなウォーターマーキングのための効率的でスケーラブルなソリューションを提供し、IoTおよびマルチメディアアプリケーション開発における信頼性の高いコンテンツ保護の道を開くことを示している。

関連論文リスト

WaterFlow: Learning Fast & Robust Watermarks using Stable Diffusion [37.57317183770605]
WaterFlowは、学習した潜伏依存の透かしに基づいて、高忠実度視覚透かしのための高速かつ極めて堅牢なアプローチである。 WaterFlowは、一般的な堅牢性に対して最先端のパフォーマンスを示し、難しい組み合わせ攻撃に対して効果的に防御できる最初の方法である。
論文参考訳（メタデータ） (2025-04-15T23:27:52Z)
DnLUT: Ultra-Efficient Color Image Denoising via Channel-Aware Lookup Tables [60.95483707212802]
DnLUTは、リソース消費を最小限に抑えながら高品質なカラーイメージを実現する、超効率的なルックアップテーブルベースのフレームワークである。 Pairwise Channel Mixer(PCM)は、チャネル間の相関関係と空間的依存関係を並列に効果的にキャプチャし、L字型畳み込み設計により受容界のカバレッジを最大化する。これらのコンポーネントをトレーニング後に最適化されたルックアップテーブルに変換することで、DnLUTは、CNNの競合であるDnCNNと比較して500KBのストレージと0.1%のエネルギー消費しか必要とせず、20倍高速な推論を実現している。
論文参考訳（メタデータ） (2025-03-20T08:15:29Z)
An Efficient Watermarking Method for Latent Diffusion Models via Low-Rank Adaptation [21.058231817498115]
低ランク適応(LoRA)に基づく潜在拡散モデル(LDM)の効率的な透かし手法を提案する。提案手法は,高速な透かし埋め込みを保証し,透かしの非常に低ビット誤り率,生成画像の品質,検証のためのゼロ偽陰率(FNR)を維持できることを示す。
論文参考訳（メタデータ） (2024-10-26T15:23:49Z)
Underwater Image Enhancement with Physical-based Denoising Diffusion Implicit Models [0.03749861135832072]
水中視力は自律型水中車両(AUV)にとって不可欠従来の画像強調技術では、様々な水中条件への適応性が欠如している。拡散確率モデル(DDPM)は、画像から画像へのタスクにおける最先端のアプローチとして登場した。本稿では,新しい物理ベースおよび拡散ベースUIEアプローチであるUW-DiffPhysを紹介する。
論文参考訳（メタデータ） (2024-09-27T06:33:35Z)
Frequency-Aware Transformer for Learned Image Compression [64.28698450919647]
学習画像圧縮(lic)のためのマルチスケール指向性アナリシスを初めて実現した周波数認識変換器(FAT)ブロックを提案する。 FATブロックは、自然画像のマルチスケールおよび指向性周波数成分をキャプチャするための周波数分解ウィンドウアテンション(FDWA)モジュールを含む。また、周波数変調フィードフォワードネットワーク(FMFFN)を導入し、異なる周波数成分を適応的に変調し、周波数歪み性能を向上させる。
論文参考訳（メタデータ） (2023-10-25T05:59:25Z)
FCL-GAN: A Lightweight and Real-Time Baseline for Unsupervised Blind Image Deblurring [72.43250555622254]
本稿では,周波数領域の競合損失制約型軽量サイクルGANと呼ばれる,軽量でリアルタイムな非教師付きBIDベースラインを提案する。 FCL-GANは、画像領域制限がなく、画像解像度制限がなく、SOTAより25倍軽く、SOTAより5倍高速である。いくつかの画像データセットの実験では、性能、モデルサイズ、参照時間の観点からFCL-GANの有効性が示されている。
論文参考訳（メタデータ） (2022-04-16T15:08:03Z)
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)
Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文参考訳（メタデータ） (2021-03-25T07:10:46Z)

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。