論文の概要: No Prompt, No Leaks: A Robust Generative Steganography Framework via Prompt-Free Diffusion
- arxiv url: http://arxiv.org/abs/2606.31427v1
- Date: Tue, 30 Jun 2026 09:51:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.17054
- Title: No Prompt, No Leaks: A Robust Generative Steganography Framework via Prompt-Free Diffusion
- Title（参考訳）: No Prompt, No Leaks: Prompt-free Diffusionによるロバスト生成ステガノグラフィーフレームワーク
- Abstract要約: 生成画像ステガノグラフィーは、秘密情報から直接ステゴ画像を合成し、固有のセキュリティ上の利点を実現する。
潜伏拡散モデル(Latent Diffusion Models)は、テキストプロンプトで秘密潜伏表現を変調する基本的な画像ステガノグラフィーフレームワークとして登場した。
本稿では,より堅牢で信頼性の高いステゴ画像生成を制御するために,スタイルセマンティクスを組み込んだプロンプトフリー拡散画像ステガノグラフィーフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 15.432428509145703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative image steganography synthesizes stego images directly from secret information to achieve inherent security advantages. Latent Diffusion Models (LDMs) have recently emerged as a fundamental image steganography framework that modulates secret latent representations with text prompts. Limited by the inflexibility of text prompts, these methods still struggle to generate high-quality stego images and accurately recover secret images. In this work, we propose a prompt-free diffusion image steganography framework that integrates style semantic priors to control more robust and reliable stego image generation. Specifically, a Cascaded Affine Coupling Module (CACM) establishes a bijective, deterministic mapping between a secret image and its latent representation. Then, style semantics are integrated into the diffusion process to control latent representation and ensure visual imperceptibility in the generated stego images. To mitigate trajectory deviations stemming from the unconditioned reverse process, a predictor-corrector mechanism is introduced to iteratively refine the generation trajectory via feedback from the current and predicted next states. Extensive experimental results show that the proposed method achieves competitive performance compared to state-of-the-art methods in terms of security, secret image reconstruction accuracy and controllability.
- Abstract（参考訳）: 生成画像ステガノグラフィーは、秘密情報から直接ステゴ画像を合成し、固有のセキュリティ上の利点を実現する。
潜伏拡散モデル(LDM)は、最近、テキストプロンプトで秘密潜伏表現を変調する基本的な画像ステガノグラフィーフレームワークとして登場した。
テキストプロンプトの柔軟性に制限されたこれらの手法は、高品質なステゴ画像の生成と秘密画像の正確な復元に苦慮している。
本研究では,より堅牢で信頼性の高いステゴ画像生成を制御するために,スタイルセマンティクスを組み込んだプロンプトフリー拡散画像ステガノグラフィーフレームワークを提案する。
具体的には、Cascaded Affine Coupling Module (CACM) は秘密画像とその潜在表現の間の単射的決定論的マッピングを確立する。
次に、スタイルセマンティクスを拡散過程に統合し、潜在表現を制御し、生成されたステゴ画像の視覚的不受容性を確保する。
未条件逆過程から生じる軌道偏差を緩和するため、電流及び予測次状態からのフィードバックにより生成軌道を反復的に洗練する予測器・相関器機構を導入する。
提案手法は, セキュリティ, 秘密画像再構成精度, 制御性の観点から, 最先端の手法と比較して, 競争性能が向上することを示す。
関連論文リスト
- Secret-Stego Dissimilarity as a Design Axis: Invertible Coverless Image Steganography with Diffusion Models [7.9584033378193135]
カバーレス画像ステガノグラフィ(CIS)は、既存のカバー画像を変更するのではなく、ステゴ画像を合成する。
既存の拡散型CIS法は、自然に見えるステゴ画像を生成することができるが、秘密画像とかなりの視覚的類似性を保っている。
我々は、秘密の潜在表現と無関係な参照画像とを、LIMNetと呼ばれる可逆ネットワークに結合する非可逆拡散フレームワークであるInvCISDを提案する。
論文 参考訳（メタデータ） (2026-07-31T14:21:59Z) - Localized Control in Diffusion Models via Latent Vector Prediction [2.4923006485141284]
本稿では,画像のユーザ定義領域を正確に局所的に制御する手法を提案する。
本手法は,局所条件を制御した高品質な画像を効果的に合成する。
論文 参考訳（メタデータ） (2026-02-02T11:47:48Z) - SAGA: Learning Signal-Aligned Distributions for Improved Text-to-Image Generation [9.212970624261272]
最先端のテキスト画像モデルは視覚的に印象的な結果をもたらすが、しばしばテキストプロンプトへの正確なアライメントに苦慮する。
本稿では,ターゲットプロンプトに条件付き高精度分布を学習する手法を提案する。
提案手法は,過度な最適化を緩和する微粒化制御を実現することで,デノナイズプロセス中の信号成分を明示的にモデル化する。
論文 参考訳（メタデータ） (2025-08-19T14:31:15Z) - Accurate Latent Inversion for Generative Image Steganography via Rectified Flow [5.404219831398271]
拡散モデルに基づくステレオグラフィーは、高品質な画像を生成し、強靭性を示す能力によって注目されている。
我々は,新しい画像ステガノグラフィー手法である textbfRF-Stego を提案する。
RF-Stegoは, 抽出精度, 画質, 堅牢性, セキュリティ, 生成効率において, 最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2025-08-01T08:46:32Z) - ControlThinker: Unveiling Latent Semantics for Controllable Image Generation through Visual Reasoning [76.2503352325492]
ControlThinkerは、"Comprehend-then-generate"パラダイムを採用した、新しいフレームワークである。
制御画像からの潜在セマンティクスは、テキストプロンプトを豊かにするためにマイニングされる。
このリッチなセマンティック理解は、追加の複雑な修正を必要とせずに、画像生成をシームレスに支援する。
論文 参考訳（メタデータ） (2025-06-04T05:56:19Z) - Provably Secure Robust Image Steganography via Cross-Modal Error Correction [23.087977275900396]
本稿では,最先端自己回帰(AR)画像生成モデルに基づく高品質で確実かつ堅牢な画像ステガノグラフィー手法を提案する。
我々は、損失画像の復元を支援するため、ステゴ画像からステゴテキストを生成するクロスモーダルな誤り補正フレームワークを用いる。
論文 参考訳（メタデータ） (2024-12-15T16:10:10Z) - MFCLIP: Multi-modal Fine-grained CLIP for Generalizable Diffusion Face Forgery Detection [64.29452783056253]
フォトリアリスティック・フェイスジェネレーション手法の急速な発展は、社会やアカデミックにおいて大きな関心を集めている。
既存のアプローチは主に画像モダリティを用いて顔の偽造パターンをキャプチャするが、きめ細かいノイズやテキストのような他のモダリティは完全には探索されていない。
そこで本研究では,画像ノイズの多点にわたる包括的かつきめ細かなフォージェリートレースをマイニングする,MFCLIP(MF-modal Fine-fine-fine-fine-fine-fine CLIP)モデルを提案する。
論文 参考訳（メタデータ） (2024-09-15T13:08:59Z) - Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。
フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。
この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
論文 参考訳（メタデータ） (2024-05-19T11:29:52Z) - 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) - Image Inpainting via Tractable Steering of Diffusion Models [48.16994134964729]
本稿では,トラクタブル確率モデル(TPM)の制約後部を正確に,かつ効率的に計算する能力を活用することを提案する。
具体的には、確率回路(PC)と呼ばれる表現型TPMのクラスを採用する。
論文 参考訳（メタデータ） (2023-11-28T21:14:02Z) - MaskDiffusion: Boosting Text-to-Image Consistency with Conditional Mask [84.84034179136458]
テキスト・イメージのミスマッチ問題に繋がる重要な要因は、モダリティ間の関係学習の不十分さである。
本稿では,注目マップと迅速な埋め込みを条件とした適応マスクを提案し,画像特徴に対する各テキストトークンの寄与度を動的に調整する。
この手法はMaskDiffusionと呼ばれ、トレーニング不要で、一般的な事前学習拡散モデルに対してホットプラグ可能である。
論文 参考訳（メタデータ） (2023-09-08T15:53:37Z) - Semantic Image Synthesis via Diffusion Models [174.24523061460704]
Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。
セマンティック画像合成に関する最近の研究は、主に事実上のGANベースのアプローチに従っている。
意味画像合成のためのDDPMに基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-30T18:31:51Z)
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。