CropDefender：一种更易于训练且对裁剪更鲁棒的深度水印
计算机视觉与模式识别
2021-09-15 v1
摘要
数字图像水印是一种将信息不可见地嵌入图像的技术，被用于版权保护等领域。近年来，一些研究提出使用神经网络为自然图像添加水印。我们以 StegaStamp 为例进行研究。无论是面对亮度、对比度、饱和度调整等传统图像编辑方法，还是 1-bit 转换、GAN 等风格改变，StegaStamp 都具有远超传统水印技术的鲁棒性，但它仍有两个缺点：易受裁剪攻击，且难以训练。我们发现其易受裁剪的原因并非边缘信息丢失，而是水印位置的移动。通过显式地将裁剪扰动引入训练，裁剪抵抗能力得到显著提升。针对训练困难问题，我们引入实例归一化以解决梯度消失，将损失权重设为可学习参数以减少超参数数量，并使用 sigmoid 限制生成图像的像素值。
关键词
引用
@article{arxiv.2109.06651,
title = {CropDefender: deep watermark which is more convenient to train and more robust against cropping},
author = {Jiayu Ding and Yuchen Cao and Changhao Shi},
journal= {arXiv preprint arXiv:2109.06651},
year = {2021}
}