Robust Data Hiding Using Inverse Gradient Attention

要約

データ隠蔽は、埋め込まれた画像に知覚的な摂動がほとんどないようにしながら、データ回復の潜在的なノイズに抵抗するために、特定の種類のカバー メディア (画像など) に必要な情報をエンコードする手順です。
近年、ディープ ニューラル ネットワークがさまざまな分野で大きな成功を収めていることから、ディープ ラーニング モデルを使用したデータ隠蔽に関する研究が注目を集めています。
深いデータ隠蔽モデルでは、エンコーディング容量を最大化するために、カバー画像の各ピクセルは異なる感度を持っているため、異なる方法で処理する必要があります。
視覚的な品質。
各ピクセルの感度を考慮しないと、モデルの情報隠蔽の堅牢性に必然的に影響します。
この論文では、異なるピクセルに異なる注意重みを付与する注意メカニズムのアイデアを組み合わせて、逆勾配注意（IGA）を使用した新しい深いデータ隠蔽スキームを提案します。
提案されたモジュールを装備したモデルは、データ隠蔽のためのより堅牢なピクセルにスポットライトを当てることができます。
広範な実験により、提案されたモデルが、複数の評価指標の下で 2 つの一般的なデータセットに対する主流の深層学習ベースのデータ隠蔽方法よりも優れていることが実証されています。
さらに、提案された逆勾配注意と画像内の高周波領域との間の関係を特定して議論します。これは、深いデータ隠蔽研究コミュニティへの有益な参照として役立つ可能性があります。
コードは https://github.com/hongleizhang/IGA で入手できます。

要約(オリジナル)

Data hiding is the procedure of encoding desired information into a certain types of cover media (e.g. images) to resist potential noises for data recovery, while ensuring the embedded image has few perceptual perturbations. Recently, with the tremendous successes gained by deep neural networks in various fields, the research on data hiding with deep learning models has attracted an increasing amount of attentions. In deep data hiding models, to maximize the encoding capacity, each pixel of the cover image ought to be treated differently since they have different sensitivities w.r.t. visual quality. The neglecting to consider the sensitivity of each pixel inevitably affects the model’s robustness for information hiding. In this paper, we propose a novel deep data hiding scheme with Inverse Gradient Attention (IGA), combining the idea of attention mechanism to endow different attention weights for different pixels. Equipped with the proposed modules, the model can spotlight pixels with more robustness for data hiding. Extensive experiments demonstrate that the proposed model outperforms the mainstream deep learning based data hiding methods on two prevalent datasets under multiple evaluation metrics. Besides, we further identify and discuss the connections between the proposed inverse gradient attention and high-frequency regions within images, which can serve as an informative reference to the deep data hiding research community. The codes are available at: https://github.com/hongleizhang/IGA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google