論文の概要: Semi-fragile watermarking of remote sensing images using DWT, vector quantization and automatic tiling

• arxiv url: http://arxiv.org/abs/2507.07250v1
• Date: Wed, 09 Jul 2025 19:47:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.191283
• Title: Semi-fragile watermarking of remote sensing images using DWT, vector quantization and automatic tiling
• Title（参考訳）: DWT,ベクトル量子化,自動タイリングを用いたリモートセンシング画像の半フレジオール透かし
• Authors: Jordi Serra-Ruiz, David Megías,
• Abstract要約: 木構造ベクトル量子化手法を用いて,リモートセンシング画像にマークを埋め込む手法を提案する。 マルチスペクトルまたはハイパースペクトル画像のシグネチャは、そのマークを埋め込むために使用される。
• 参考スコア（独自算出の注目度）: 1.1279808969568255
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A semi-fragile watermarking scheme for multiple band images is presented in this article. We propose to embed a mark into remote sensing images applying a tree-structured vector quantization approach to the pixel signatures instead of processing each band separately. The signature of the multispectral or hyperspectral image is used to embed the mark in it order to detect any significant modification of the original image. The image is segmented into three-dimensional blocks, and a tree-structured vector quantizer is built for each block. These trees are manipulated using an iterative algorithm until the resulting block satisfies a required criterion, which establishes the embedded mark. The method is shown to be able to preserve the mark under lossy compression (above a given threshold) but, at the same time, it detects possibly forged blocks and their position in the whole image.
• Abstract（参考訳）: 本稿では,複数のバンド画像に対する半フレジブルな透かし方式について述べる。 本稿では,各帯域を別々に処理する代わりに,木構造ベクトル量子化手法を画素シグネチャに応用したリモートセンシング画像にマークを埋め込むことを提案する。 マルチスペクトルまたはハイパースペクトル画像のシグネチャは、原画像の著しい修正を検出するために、マークをその中に埋め込むために使用される。 画像は3次元ブロックに分割され、各ブロックに対して木構造ベクトル量化器が構築される。 これらの木は反復アルゴリズムで操作され、結果としてブロックが必要な基準を満たすまで、埋め込みマークを確立する。 この方法では、(与えられたしきい値を超える)損失のある圧縮の下でマークを保存できることが示されているが、同時に、偽造ブロックと画像全体の位置を検出する。

関連論文リスト

• Highly Compressed Tokenizer Can Generate Without Training [0.5033155053523042]
  1D画像トークン化器は、画像を32個の離散トークンの高度に圧縮された1次元シーケンスとして表現する。 ベクトル量子化による1次元トークン化器によって達成される高い圧縮により,画像の編集と生成が可能であることがわかった。 本手法は, 画像編集における画像の塗り絵やテキストガイドに応用でき, 生成モデルの訓練を必要とせず, 多様な実例を生成できる。
  論文  参考訳（メタデータ） (2025-06-09T21:45:03Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)
• Unified Mask Embedding and Correspondence Learning for Self-Supervised Video Segmentation [76.40565872257709]
  我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。 ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。 我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
  論文  参考訳（メタデータ） (2023-03-17T16:23:36Z)
• Language-driven Semantic Segmentation [88.21498323896475]
  本稿では,言語駆動型セマンティックイメージセグメンテーションの新しいモデルLSegを提案する。 テキストエンコーダを用いて記述型入力ラベルの埋め込みを計算する。 エンコーダは、画素埋め込みを対応するセマンティッククラスのテキスト埋め込みに合わせるために、対照的な目的で訓練される。
  論文  参考訳（メタデータ） (2022-01-10T18:59:10Z)
• Image content dependent semi-fragile watermarking with localized tamper detection [0.571097144710995]
  提案手法はJPEG圧縮に対して頑健であり,最先端のセミフレジャル透かし法と競合する。 提案手法はJPEG圧縮に対して頑健であり,最先端の半フラジイル透かし法と競合することを示す。
  論文  参考訳（メタデータ） (2021-06-27T05:40:56Z)
• Evidential fully convolutional network for semantic segmentation [6.230751621285322]
  本稿では,完全畳み込みネットワーク(fcn)と,イメージセマンティクスセグメンテーションのためのデンプスターシェーファー層からなるハイブリッドアーキテクチャを提案する。 提案手法は,多クラス集合に混乱する画素を割り当てることで,意味セグメンテーションの精度とキャリブレーションを改善することを示す。
  論文  参考訳（メタデータ） (2021-03-25T01:21:22Z)
• 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)
• Simple Interactive Image Segmentation using Label Propagation through kNN graphs [0.0]
  本稿では,非指向性と非重み付きkNNグラフを用いたSSLグラフに基づく対話型画像分割手法を提案する。 他の多くの技術よりもシンプルであるが、画像分割タスクの分類精度は依然として達成されている。
  論文  参考訳（メタデータ） (2020-02-13T18:50:21Z)
• OneGAN: Simultaneous Unsupervised Learning of Conditional Image Generation, Foreground Segmentation, and Fine-Grained Clustering [100.32273175423146]
  本研究では、教師なしの方法で、条件付き画像生成装置、前景抽出とセグメンテーション、オブジェクトの削除と背景補完を同時に学習する方法を提案する。 Geneversarative Adrial Network と Variational Auto-Encoder を組み合わせることで、複数のエンコーダ、ジェネレータ、ディスクリミネータを組み合わせ、全てのタスクを一度に解くことができる。
  論文  参考訳（メタデータ） (2019-12-31T18:15:58Z)

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。