CRoSS：扩散模型实现可控、鲁棒且安全的图像隐写
计算机视觉与模式识别
2023-05-29 v1
摘要
当前的图像隐写技术主要集中于基于覆盖的方法，这类方法通常存在泄露秘密图像的风险，且对退化的载密图像鲁棒性较差。受扩散模型近期发展的启发，我们发现扩散模型的两个特性——无需训练即可实现两幅图像间的转换能力，以及对噪声数据的鲁棒性——可用于提升图像隐写任务中的安全性与自然鲁棒性。在扩散模型的选择上，我们选用了条件扩散模型 Stable Diffusion，并充分利用开源社区的最新工具（如 LoRAs 和 ControlNets）来提升载密图像的可控性与多样性。综上，我们提出了一种新颖的图像隐写框架，称为可控、鲁棒且安全的图像隐写（CRoSS），与基于覆盖的图像隐写方法相比，在可控性、鲁棒性和安全性方面具有显著优势。这些优势无需额外训练即可获得。据我们所知，这是首项将扩散模型引入图像隐写领域的工作。在实验部分，我们进行了详尽的实验以证明所提 CRoSS 框架在可控性、鲁棒性和安全性方面的优势。
引用
@article{arxiv.2305.16936,
title = {CRoSS: Diffusion Model Makes Controllable, Robust and Secure Image Steganography},
author = {Jiwen Yu and Xuanyu Zhang and Youmin Xu and Jian Zhang},
journal= {arXiv preprint arXiv:2305.16936},
year = {2023}
}