小即大：重新思考深度隐藏的嵌入率
多媒体
2023-02-24 v1
摘要
深度隐藏利用深度神经网络 (DNNs) 隐藏秘密信息，可显著提升嵌入率并改善秘密共享效率。现有工作主要致力于设计具有更高嵌入率或花哨功能的 DNNs。本文中，我们欲回答一些基本问题：如何提升以及什么决定了深度隐藏的嵌入率。为此，我们首先提出一种新颖的局部深度隐藏 (LDH) 方案，通过将大尺寸秘密图像隐藏到载体图像的局部小区域中，显著提升嵌入率。我们的方案由三个 DNNs 组成：隐藏、定位与揭示。我们使用隐藏网络将秘密图像转换为嵌入到载体图像随机局部区域中的微小不可感知紧凑秘密码。定位网络通过识别隐写图像中秘密码的位置来辅助揭示过程，而揭示网络从这些识别出的局部区域恢复所有全尺寸秘密图像。我们的 LDH 实现了极高的嵌入率，即 bpp，并展现出对常见图像失真的优越鲁棒性。我们还进行了综合实验以在各种系统设置下评估我们的方案。我们进一步定量分析了不同图像复原算法下嵌入率与图像质量之间的权衡。
引用
@article{arxiv.2302.11918,
title = {Smaller Is Bigger: Rethinking the Embedding Rate of Deep Hiding},
author = {Han Li and Hangcheng Liu and Shangwei Guo and Mingliang Zhou and Ning Wang and Tao Xiang and Tianwei Zhang},
journal= {arXiv preprint arXiv:2302.11918},
year = {2023}
}