中文

束缚舞动:一种无损且可控的图像隐写术位锁定扩散算法

机器学习 2025-05-19 v1

摘要

数据隐写术旨在将信息隐藏于视觉内容中,但现有基于空间或频率域的方法在安全性、容量与感知质量之间存在权衡。近期的生成模型,特别是扩散模型,为自适应图像合成提供了新途径,但将精确信息嵌入生成过程中仍具挑战性。我们引入 Shackled Dancing Diffusion (SD2),一种即插即用的生成式隐写术方法,结合位位置锁定与扩散采样注入,以在生成轨迹中实现可控信息嵌入。SD^2),一种即插即用的生成式隐写术方法,结合位位置锁定与扩散采样注入,以在生成轨迹中实现可控信息嵌入。SD^2利用扩散模型的表达能力合成多样化载体图像,同时保持100 利用扩散模型的表达能力合成多样化载体图像,同时保持 100% 的完整消息恢复率。该方法在随机性与约束之间实现了有利的平衡,增强了对抗隐写分析的鲁棒性,而不损害图像保真度。大量实验表明,SD^2$ 在安全性、嵌入容量与稳定性方面显著优于先前方法。该算法为可控生成提供新见解,并为安全视觉通信开辟了有前景的方向。

关键词

引用

@article{arxiv.2505.10950,
  title  = {Shackled Dancing: A Bit-Locked Diffusion Algorithm for Lossless and Controllable Image Steganography},
  author = {Tianshuo Zhang and Gao Jia and Wenzhe Zhai and Rui Yann and Xianglei Xing},
  journal= {arXiv preprint arXiv:2505.10950},
  year   = {2025}
}