論文の概要: Zero-Shot Interpretable Image Steganalysis for Invertible Image Hiding

• arxiv url: http://arxiv.org/abs/2605.01331v1
• Date: Sat, 02 May 2026 08:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.711
• Title: Zero-Shot Interpretable Image Steganalysis for Invertible Image Hiding
• Title（参考訳）: 非可逆的画像ヒディングのためのゼロショット解釈可能な画像ステガナリシス
• Authors: Hao Wang, Yiming Yao, Yaguang Xie, Tong Qiao, Zhidong Zhao,
• Abstract要約: 難易度ゼロショット設定下での非可逆な画像隠蔽方式に適した新しい解釈可能な画像ステガナリシスフレームワークを提案する。 具体的には、画像隠蔽、露光、ステガナリシスを統一された枠組みに統合し、ステガナリシス成分にステゴ画像に埋め込まれた秘密情報を復元する能力を付与する。
• 参考スコア（独自算出の注目度）: 9.972200722219076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image steganalysis, which aims at detecting secret information concealed within images, has become a critical countermeasure for assessing the security of steganography methods, especially the emerging invertible image hiding approaches. However, prior studies merely classify input images into two categories (i.e., stego or cover) and typically conduct steganalysis under the constraint that training and testing data must follow similar distribution, thereby hindering their application in real-world scenarios. To overcome these shortcomings, we propose a novel interpretable image steganalysis framework tailored for invertible image hiding schemes under a challenging zero-shot setting. Specifically, we integrate image hiding, revealing, and steganalysis into a unified framework, endowing the steganalysis component with the capability to recover the secret information embedded in stego images. Additionally, we elaborate a simple yet effective residual augmentation strategy for generating stego images to further enhance the generalizability of the steganalyzer in cross-dataset and cross-architecture scenarios. Extensive experiments on benchmark datasets demonstrate that our proposed approach significantly outperforms the existing steganalysis techniques for invertible image hiding schemes.
• Abstract（参考訳）: 画像中に隠された秘密情報を検出することを目的とした画像ステガナリシスは,ステガノグラフィー手法の安全性,特に新たな非可逆的画像隠蔽手法の安全性を評価する上で重要な対策となっている。 しかし、先行研究は入力画像を2つのカテゴリ(例えばステゴやカバー)に分類し、トレーニングやテストデータも同様の分布に従わなければならないという制約の下でステガナリシスを行う。 これらの欠点を克服するために,難易度ゼロショット設定下での非可逆な画像隠蔽方式に適した,新しい解釈可能な画像ステガナリシスフレームワークを提案する。 具体的には、画像隠蔽、露光、ステガナリシスを統一された枠組みに統合し、ステガナリシス成分にステゴ画像に埋め込まれた秘密情報を復元する能力を付与する。 さらに,ステガナライザーのクロスデータセットおよびクロスアーキテクチャシナリオにおける一般化性を高めるため,ステゴ画像を生成するための簡易かつ効果的な残留拡張戦略を詳述する。 ベンチマークデータセットの大規模な実験により,提案手法は既存の非可逆画像隠蔽方式のステガナリシス技術よりも大幅に優れていることが示された。

関連論文リスト

• Self-supervised Representation Learning with Local Aggregation for Image-based Profiling [84.52554180480037]
  画像に基づく細胞プロファイリングは、細胞画像の情報表現を作成することを目的としている。 非コントラスト型自己監督学習の最近の進歩は,本論文にインスピレーションを与えている。 本稿では,セル画像に適したデータ拡張と表現後処理手法を提案する。
  論文  参考訳（メタデータ） (2025-06-17T07:25:57Z)
• A Bayesian Approach to Weakly-supervised Laparoscopic Image Segmentation [1.9639956888747314]
  スパースアノテーションを用いた腹腔鏡下画像分割法について検討した。 本稿では,モデルのセグメンテーションの精度と解釈可能性を高めるために,ベイズ的深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T04:19:48Z)
• Natias: Neuron Attribution based Transferable Image Adversarial Steganography [62.906821876314275]
  逆行性ステガナグラフィーは、ディープラーニングに基づくステガナリシスを効果的に欺く能力から、かなりの注目を集めている。 そこで我々は,Natias という新たな逆向きステガノグラフィー手法を提案する。 提案手法は既存の逆向きステガノグラフィーフレームワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-09-08T04:09:51Z)
• Blind Data Adaptation to tackle Covariate Shift in Operational Steganalysis [9.565324766070407]
  Image Steganographyにより、個人は疑念を喚起することなく、デジタル画像に違法な情報を隠すことができる。 内因性コミュニケーションのための操作画像の検出を可能にする効果的なステガナリシス法を開発することが重要である。 ステガナリシスにおける特定の目標に沿ったソースをエミュレートする新しい手法であるTADを開発した。
  論文  参考訳（メタデータ） (2024-05-27T08:55:22Z)
• Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
  本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。 本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。 提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
  論文  参考訳（メタデータ） (2023-12-27T17:36:32Z)
• PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant Semantic Segmentation [50.556961575275345]
  対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。 我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-08-08T01:55:44Z)
• Latent Graph Representations for Critical View of Safety Assessment [2.9724186623561435]
  CVS予測の手法として,まず乱れのあるシーングラフを用いて手術画像の表現を行い,その表現をグラフニューラルネットワークを用いて処理する手法を提案する。 我々のグラフ表現は、意味情報を明示的に符号化し、解剖学的推論を改善するとともに、視覚的特徴を識別可能性を維持し、意味的誤りに対する堅牢性を提供する。 本手法は,ボックスアノテーションのトレーニングにおいて,複数のベースラインメソッドよりも優れるだけでなく,セグメンテーションマスクのトレーニング時にも効果的にスケールし,最先端のパフォーマンスを維持していることを示す。
  論文  参考訳（メタデータ） (2022-12-08T09:21:09Z)
• Region-level Active Learning for Cluttered Scenes [60.93811392293329]
  本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。 その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T14:02:38Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)

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。