Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions

要約

電子透かしは、人間の目には検出できない方法で画像を変更することで秘密情報を埋め込むプロセスです。
モデルの堅牢性を高めるために、多くの深層学習ベースの透かし手法では、ノイズ レイヤーにさまざまなノイズを追加することでエンコーダー/デコーダー アーキテクチャが使用されます。
次に、デコーダは、歪んだ画像から透かし入りの情報を抽出します。
ただし、この方法は弱いノイズ攻撃にしか耐えられません。
より強力なノイズに対するアルゴリズムの堅牢性を向上させるために、この論文では、ノイズ層とデコーダの間にノイズ除去モジュールを導入することを提案します。
このモジュールは、ノイズを軽減し、攻撃中に失われた情報の一部を回復することを目的としています。
さらに、この論文では、透かし情報をピクセル単位およびチャネル次元単位で融合し、エンコーダの効率を向上させる SE モジュールを紹介しています。
実験結果は、私たちが提案した方法が既存のモデルと同等であり、さまざまなノイズ強度の下で最先端の方法よりも優れていることを示しています。
さらに、アブレーション実験により、提案したモジュールの優位性が示されています。

要約(オリジナル)

Digital watermarking is the process of embedding secret information by altering images in a way that is undetectable to the human eye. To increase the robustness of the model, many deep learning-based watermarking methods use the encoder-decoder architecture by adding different noises to the noise layer. The decoder then extracts the watermarked information from the distorted image. However, this method can only resist weak noise attacks. To improve the robustness of the algorithm against stronger noise, this paper proposes to introduce a denoise module between the noise layer and the decoder. The module is aimed at reducing noise and recovering some of the information lost during an attack. Additionally, the paper introduces the SE module to fuse the watermarking information pixel-wise and channel dimensions-wise, improving the encoder’s efficiency. Experimental results show that our proposed method is comparable to existing models and outperforms state-of-the-art under different noise intensities. In addition, ablation experiments show the superiority of our proposed module.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google