StegOT：基于最优传输的隐写术权衡
计算机视觉与模式识别
2025-10-15 v2 人工智能
摘要
图像隐藏通常被称为隐写术，其目标是将秘密图像隐藏在同分辨率的封面图像中。许多隐写模型基于生成对抗网络（GAN）和变分自编码器（VAE）。然而，大多数现有模型存在模式崩溃问题。模式崩溃会导致隐写图像中封面图像和秘密图像之间的信息不平衡，并进一步影响后续的提取。为了解决这些挑战，本文提出了StegOT，一种结合最优传输理论的基于自编码器的隐写模型。我们设计了多通道最优传输（MCOT）模块，将呈现多峰的特征分布转换为单峰，以实现信息的权衡。实验表明，我们不仅实现了封面图像和秘密图像之间的权衡，还提高了隐写图像和恢复图像的质量。源代码将在 https://github.com/Rss1124/StegOT 上发布。
引用
@article{arxiv.2509.11178,
title = {StegOT: Trade-offs in Steganography via Optimal Transport},
author = {Chengde Lin and Xuezhu Gong and Shuxue Ding and Mingzhe Yang and Xijun Lu and Chengjun Mo},
journal= {arXiv preprint arXiv:2509.11178},
year = {2025}
}
备注
Accepted by IEEE International Conference on Multimedia and Expo (ICME 2025)