論文の概要: High-Capacity Robust Watermarking Technology for High-Resolution Images
- arxiv url: http://arxiv.org/abs/2607.17056v1
- Date: Sun, 19 Jul 2026 03:57:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.346166
- Title: High-Capacity Robust Watermarking Technology for High-Resolution Images
- Title（参考訳）: 高分解能画像のための高容量ロバスト透かし技術
- Abstract要約: 本稿では,高解像度画像に対する高容量頑健な透かし手法を提案する。
画像に4KB(32,768ビット)の透かしを1024*1024の解像度で埋め込むことができ、埋め込みレートは0.0313bppに達する。
- 参考スコア（独自算出の注目度）: 6.831685439355932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most existing watermarking techniques are primarily designed for low-resolution images, with few methods tailored for high-resolution images. Moreover, the embedding capacity is often limited to fixed lengths (e.g., 30, 100, 256 bits, etc.), which struggles to meet practical demands. To address these issues, this paper proposes a high-capacity robust watermarking method for high-resolution images, capable of embedding a watermark of 4 KB (32,768 bits) into images with a resolution of 1024*1024, achieving an embedding rate of 0.0313 bpp. Specifically, this paper adopts a block-wise strategy to effectively embed the watermark into local regions, enabling the network to train and learn normally even under low-resource conditions. The encoder and decoder structures respectively employ a reversible symmetric architecture with three convolutional and three deconvolutional layers, ensuring consistency in the coupling and decoupling of the watermark and image features. Additionally, the loss function combines global and local losses with weighted contributions. By incorporating constraints on the visual quality and robustness of local block regions, the overall imperceptibility and robustness of the image are further enhanced. Extensive experimental results verify that the proposed method is effective and feasible in high-resolution image scenarios with high-capacity watermarking, while demonstrating strong robustness against various noise attacks.
- Abstract（参考訳）: 既存の透かし技術のほとんどは、主に低解像度の画像のために設計されており、高解像度画像に適した方法はほとんどない。
さらに、埋め込み能力は、実際的な要求を満たすのに苦労する固定長(例えば、30ビット、100ビット、256ビットなど)に制限されることが多い。
そこで本研究では,高解像度画像に対する高容量頑健な透かし方式を提案し,画像に4KB (32,768ビット) の透かしを1024*1024の解像度で埋め込み,0.0313bppの埋め込み率を実現する。
具体的には,低リソース条件下でもネットワークを訓練し,正常に学習することを可能にするため,局所領域に効果的に透かしを埋め込むブロックワイズ戦略を採用する。
エンコーダ構造とデコーダ構造はそれぞれ3つの畳み込み層と3つの畳み込み層を持つ可逆対称構造を用い、透かしと画像の特徴の結合と疎結合の整合性を確保する。
さらに、損失関数は、グローバルとローカルの損失と重み付けされた貢献を組み合わせたものである。
局所的ブロック領域の視覚的品質とロバスト性に制約を組み込むことにより、画像の全体的な非知覚性とロバスト性をさらに強化する。
高容量透かしを用いた高解像度画像シナリオにおいて,提案手法が有効かつ有効であることを示すとともに,様々なノイズ攻撃に対して強い堅牢性を示す。
関連論文リスト
- High-Fidelity Face Content Recovery via Tamper-Resilient Versatile Watermarking [27.912549423920243]
著作権保護,画素レベルの操作ローカライゼーション,高忠実度顔コンテンツリカバリを統一する多目的透かしフレームワークであるVeriFiを提案する。
画像の特徴を復号化信号に関連づけることで,局所化固有のアーティファクトを埋め込むことなく,微粒な局所化を実現し,また,遅延空間混合とシームレスなブレンディングを組み合わせたAIGCアタックシミュレータを導入し,現実的なディープフェイクパイプラインへの堅牢性を向上させる。
論文 参考訳（メタデータ） (2026-03-25T05:02:48Z) - JND-Guided Neural Watermarking with Spatial Transformer Decoding for Screen-Capture Robustness [13.657959371474886]
画面撮影のための透かし埋め込みと抽出を協調的に最適化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
筆者らのフレームワークには, 現実的な画面撮影歪みを忠実にモデル化する包括的ノイズシミュレーション層, (ii) 透かし埋め込み強度を適応的に調節するジャスト・ノーティケータブル・ディストーション (JND) パーセプチュアル・ロス関数, (iii) 補足的な自動位置決めモジュールの3つが組み込まれている。
論文 参考訳（メタデータ） (2026-03-24T03:38:42Z) - Learning Generalizable and Efficient Image Watermarking via Hierarchical Two-Stage Optimization [90.13049455759358]
ウォーターマーキングモデルが同時に3つの基準を達成できる2段階最適化を提案する。
HiWLは、広い適用性を維持しながら、一般化可能な潜在空間の透かし表現を効果的に学習する。
従来の方法よりも7.6%高い精度で透かし抽出が可能で、非常に低レイテンシ(8秒で処理された100K画像)を維持している。
論文 参考訳（メタデータ） (2025-08-12T06:21:27Z) - TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。
提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。
実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
論文 参考訳（メタデータ） (2025-06-30T03:14:07Z) - ARIW-Framework: Adaptive Robust Iterative Watermarking Framework [14.782580487951018]
本稿では適応型ロバストな反復型透かしフレームワーク(ARIW-Framework)を提案する。
異常な堅牢性と一般化性能を維持しつつ、高品質な透かし画像を実現する。
論文 参考訳（メタデータ） (2025-05-19T13:31:48Z) - CompMarkGS: Robust Watermarking for Compressed 3D Gaussian Splatting [22.938962106203505]
本稿では,透かしの整合性とレンダリング品質を保った圧縮耐性3DGS透かし法を提案する。
我々のアプローチでは、アンカーベースの3DGSを使用して、透かしをアンカー属性、特にアンカー機能に埋め込む。
また、トレーニング中に量子化ノイズを注入し、圧縮後の透かしを保存する量子化歪み層を提案する。
論文 参考訳（メタデータ） (2025-03-17T05:32:15Z) - Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending [54.26862913139299]
我々は、ウォーターマークインフォームドブレンディング(TEAWIB)による潜伏拡散モデルに対する効果的なユーザ属性に向けた新しいフレームワークを提案する。
TEAWIBは、ユーザ固有の透かしを生成モデルにシームレスに統合する、ユニークな準備可能な構成アプローチを取り入れている。
TEAWIBの有効性を検証し、知覚的品質と帰属精度で最先端の性能を示す実験を行った。
論文 参考訳（メタデータ） (2024-09-17T07:52:09Z) - 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) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Multi Scale Identity-Preserving Image-to-Image Translation Network for
Low-Resolution Face Recognition [7.6702700993064115]
本稿では,画像から画像へ変換する深層ニューラルネットワークを提案する。
アイデンティティ関連の情報を保存しながら、非常に低解像度の顔を高解像度の顔に超解き放つことができる。
論文 参考訳（メタデータ） (2020-10-23T09:21:06Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。