Deep Boosting Robustness of DNN-based Image Watermarking via DBMark

要約

画像の透かしは、元の画像と知覚的に同一であるエンコードされた画像を必要としながら、歪みに耐えることができる画像に情報を隠すための技術です。
ディープ ニューラル ネットワーク (DNN) に基づく最近の研究により、電子透かしが目覚ましい進歩を遂げました。
さまざまな歪みに対するより高いロバスト性は、デジタル画像透かしアプローチの永遠の追求です。
このホワイトペーパーでは、DNNベースの画像透かしの堅牢性を大幅に向上させる、新しいエンドツーエンドのデジタル画像透かしフレームワークであるDBMARKを提案します。
重要な新規性は、可逆ニューラル ネットワーク (INN) と効果的な透かし機能生成の相乗効果です。
このフレームワークは、効果的なニューラル ネットワーク ベースのメッセージ プロセッサを通じて冗長性とエラー修正機能を備えた透かし機能を生成し、INN の強力な情報埋め込みおよび抽出機能と相乗効果を発揮して、より高い堅牢性と不可視性を実現します。
ニューラル ネットワークの強力な学習機能により、メッセージ プロセッサはさまざまな歪みに適応できます。
さらに、透かし情報を離散ウェーブレット変換 (DWT) ドメインに埋め込み、低-低 (LL) サブバンド損失を設計して不可視性を強化することを提案します。
広範な実験結果は、ドロップアウト、クロップアウト、クロップ、ガウス フィルター、JPEG 圧縮などのさまざまな歪みの下で、最先端のフレームワークと比較して、提案されたフレームワークの優位性を示しています。

要約(オリジナル)

Image watermarking is a technique for hiding information into images that can withstand distortions while requiring the encoded image to be perceptually identical to the original image. Recent work based on deep neural networks (DNN) has achieved impressive progression in digital watermarking. Higher robustness under various distortions is the eternal pursuit of digital image watermarking approaches. In this paper, we propose DBMARK, a novel end-to-end digital image watermarking framework to deep boost the robustness of DNN-based image watermarking. The key novelty is the synergy of invertible neural networks (INN) and effective watermark features generation. The framework generates watermark features with redundancy and error correction ability through the effective neural network based message processor, synergized with the powerful information embedding and extraction abilities of INN to achieve higher robustness and invisibility. The powerful learning ability of neural networks enables the message processor to adapt to various distortions. In addition, we propose to embed the watermark information in the discrete wavelet transform (DWT) domain and design low-low (LL) sub-band loss to enhance invisibility. Extensive experiment results demonstrate the superiority of the proposed framework compared with the state-of-the-art ones under various distortions such as dropout, cropout, crop, Gaussian filter, and JPEG compression.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google