基于极小极大优化的多任务身份感知图像隐写框架
计算机视觉与模式识别
2021-07-14 v1
摘要
高容量图像隐写旨在将秘密图像隐藏于载体图像中，是一种保护敏感数据（如人脸与指纹）的技术。以往方法侧重于传输过程中的安全性，而在接收端恢复秘密图像后面临隐私泄露风险。为解决此问题，我们提出一种称为多任务身份感知图像隐写（MIAIS）的框架，以在无需恢复秘密图像的情况下直接对载密图像进行识别。直接识别的关键问题在于将秘密图像的身份信息保留至载密图像中，同时使载密图像看起来与载体图像相似。为此，我们引入一种简单的内容损失来保留身份信息，并设计极小极大优化来处理这些矛盾方面。我们证明了鲁棒性结果可跨不同载体数据集迁移。为在某些情形下灵活恢复秘密图像，我们将一个可选恢复网络纳入方法中，提供了多任务框架。多任务场景下的实验表明，相较于其他视觉信息隐藏方法与最先进的高容量图像隐写方法，我们的框架是有效的。
引用
@article{arxiv.2107.05819,
title = {Multitask Identity-Aware Image Steganography via Minimax Optimization},
author = {Jiabao Cui and Pengyi Zhang and Songyuan Li and Liangli Zheng and Cuizhu Bao and Jupeng Xia and Xi Li},
journal= {arXiv preprint arXiv:2107.05819},
year = {2021}
}
备注
Accepted to Transaction of Image Processing