RWN：用于图像裁剪定位的鲁棒水印网络
计算机视觉与模式识别
2022-06-01 v2 人工智能
摘要
图像裁剪可能被恶意用于操纵图像布局并改变其内在含义。以往的图像裁剪检测方案仅预测图像是否被裁剪，而忽略了图像的哪一部分被裁剪。本文提出一种新颖的鲁棒水印网络 (RWN) 用于图像裁剪定位。我们训练了一个抗裁剪处理器 (ACP)，将水印嵌入目标图像中。随后，视觉上难以区分的受保护图像而非原始图像被发布于社交网络。在接收端，ACP 从受攻击图像中提取水印，我们对原始水印与提取水印进行特征匹配，以在原始图像平面上定位裁剪位置。我们进一步扩展方案以检测受攻击图像上的篡改攻击。此外，我们探索了一种简单而高效的方法 (JPEG-Mixup) 来提升 JPEG 鲁棒性的泛化能力。根据我们的综合实验，RWN 首个提供了高精度且鲁棒的图像裁剪定位。此外，其篡改检测精度可与许多最先进的基于被动的方法相媲美。
引用
@article{arxiv.2110.05687,
title = {RWN: Robust Watermarking Network for Image Cropping Localization},
author = {Qichao Ying and Xiaoxiao Hu and Xiangyu Zhang and Zhenxing Qian and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2110.05687},
year = {2022}
}