論文の概要: StegOT: Trade-offs in Steganography via Optimal Transport

• arxiv url: http://arxiv.org/abs/2509.11178v1
• Date: Sun, 14 Sep 2025 09:18:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.963999
• Title: StegOT: Trade-offs in Steganography via Optimal Transport
• Title（参考訳）: StegOT: 最適輸送によるステガノグラフィーのトレードオフ
• Authors: Chengde Lin, Xuezhu Gong, Shuxue Ding, Mingzhe Yang, Xijun Lu, Chengjun Mo,
• Abstract要約: 画像隠蔽はしばしばステガノグラフィ(steganography)と呼ばれ、同じ解像度のカバー画像に秘密画像を隠すことを目的としている。 本稿では、最適な輸送理論を取り入れたオートエンコーダに基づくステガノグラフィーモデルであるStegOTを提案する。 実験により,カバーとシークレットイメージのトレードオフを実現するだけでなく,ステゴ画像とリカバリ画像の両面の画質を向上させることができた。
• 参考スコア（独自算出の注目度）: 2.633307386249965
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Image hiding is often referred to as steganography, which aims to hide a secret image in a cover image of the same resolution. Many steganography models are based on genera-tive adversarial networks (GANs) and variational autoencoders (VAEs). However, most existing models suffer from mode collapse. Mode collapse will lead to an information imbalance between the cover and secret images in the stego image and further affect the subsequent extraction. To address these challenges, this paper proposes StegOT, an autoencoder-based steganography model incorporating optimal transport theory. We designed the multiple channel optimal transport (MCOT) module to transform the feature distribution, which exhibits multiple peaks, into a single peak to achieve the trade-off of information. Experiments demonstrate that we not only achieve a trade-off between the cover and secret images but also enhance the quality of both the stego and recovery images. The source code will be released on https://github.com/Rss1124/StegOT.
• Abstract（参考訳）: 画像隠蔽はしばしばステガノグラフィ(steganography)と呼ばれ、同じ解像度のカバー画像に秘密画像を隠すことを目的としている。 多くのステガノグラフィーモデルは、GAN(genera-tive adversarial network)とVAE(variantal autoencoder)に基づいている。 しかし、既存のモデルのほとんどはモード崩壊に悩まされている。 モード崩壊は、ステゴ画像のカバーとシークレットイメージの間に情報不均衡をもたらし、その後の抽出にさらに影響を及ぼす。 これらの課題に対処するために、最適な輸送理論を取り入れたオートエンコーダに基づくステガノグラフィーモデルであるStegOTを提案する。 我々は、複数のピークを示す特徴分布を、情報のトレードオフを達成するために単一のピークに変換するために、MCOTモジュールを設計した。 実験により,カバーとシークレットイメージのトレードオフを実現するだけでなく,ステゴ画像とリカバリ画像の両面の画質を向上させることができた。 ソースコードはhttps://github.com/Rss1124/StegOTで公開される。

関連論文リスト

• DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
  カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。 近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。 そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
  論文  参考訳（メタデータ） (2024-07-15T06:15:49Z)
• Robust Message Embedding via Attention Flow-Based Steganography [34.35209322360329]
  画像ステガノグラフィーは、ホスト画像に情報を隠蔽し、元のものと知覚的に区別できないステゴ画像を得る。 本稿では,ホスト画像中のQRコードを介してメッセージを隠蔽する機能を持つ,Robust Message Steganography (RMSteg) と呼ばれる新しいメッセージ埋め込みフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-26T03:16:40Z)
• Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
  PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。 認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
  論文  参考訳（メタデータ） (2024-02-28T06:07:07Z)
• Learned representation-guided diffusion models for large-image generation [58.192263311786824]
  自己教師型学習(SSL)からの埋め込みを条件とした拡散モデルを訓練する新しいアプローチを導入する。 我々の拡散モデルは、これらの特徴を高品質な病理組織学およびリモートセンシング画像に投影することに成功した。 実画像のバリエーションを生成して実データを増やすことにより、パッチレベルおよび大規模画像分類タスクの下流精度が向上する。
  論文  参考訳（メタデータ） (2023-12-12T14:45:45Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• Generative Steganography Network [37.182458848616754]
  表紙画像を用いることなく現実的なステゴ画像を生成することのできる,高度な生成型ステガノグラフィーネットワーク(GSN)を提案する。 シークレットブロックと呼ばれるモジュールは、画像生成中に特徴マップにシークレットデータを隠蔽するように微妙に設計されている。
  論文  参考訳（メタデータ） (2022-07-28T03:34:37Z)

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。