May, 2019

基于条件生成对抗网络的逼真可见水印去除

PDF
TL;DR本文提出了一种基于条件生成式对抗网络的水印去除框架，该方法在大规模可见水印数据集上经过广泛实验验证，相对于现有技术，能够更加真实逼近照片级别的效果。
发现论文，激发创造
  • 监督式 GAN 数字水印技术的知识产权保护

    本文提出了一种基于 CNN 解码块插入生成器输出的数字水印算法，对生成对抗网络模型进行加密和保护。实验结果表明，该算法可将无形水印嵌入生成的图像，并在后期进行身份验证时检测到水印的存在，并且在 JPEG 压缩、添加噪声、模糊和颜色转换等后处理下，水印具有良好的抗干扰能力。

    Sep, 2022

  • 水印嵌入的对抗性样本用于抵抗扩散模型的版权保护

    提出了一种将个人水印嵌入敌对实例生成中的新框架，以生成具有可见水印的图像，防止敌对模型模仿未授权图像，并在各种条件图像生成场景进行广泛实验，证明了敌对实例具有良好的传递性，从而提供了一种保护基于扩散模型的版权的简单而有效的方法。

    Apr, 2024

  • 生成型自动编码器用作水印攻击者：漏洞和威胁的分析

    使用生成自编码器的框架，特别是变分自编码器（VAEs）和扩散模型，成功地移除了水印，且比目前所有其他攻击者都表现更好。

    Jun, 2023

  • ROMark: 使用对抗训练的强韧数字水印系统

    本文提出利用对抗式机器学习中的稳健优化算法来提高基于卷积神经网络的数字水印框架的鲁棒性，在 COCO 数据集上的实验证明，稳健优化可以显著提高数字水印框架的鲁棒性。

    Oct, 2019

  • Adv-watermark: 一种新颖的水印扰动方法用于对抗性样本

    本篇研究提出了将图像水印技术和对抗样本算法结合在一起生成一种新的对抗扰动 ——Adv-watermark，并且使用一种新的优化算法 Basin Hopping Evolution (BHE) 生成黑盒攻击模式下的对抗性水印，该方法比其他攻击方法更为高效和鲁棒。

    Aug, 2020

  • 一幅图像中雨滴去除的注意力生成对抗网络

    本文提出了一种基于生成对抗网络和视觉注意力机制的雨滴去除方法，成功地将雨滴污染的图像还原为干净图像，并取得了比同类方法更好的定量和定性效果。

    Nov, 2017

  • WDNet: 用于可见水印去除的水印分解网络

    该研究提出了一种名为 Watermark-Decomposition Network（WDNet）的二阶段生成器，旨在分离图片中的水印，而不仅仅是简单地删除它们，并通过构建一个命名为 CLWD 的大规模数据集来显示 WDNet 在可见水印识别和去除性能上的优越性

    Dec, 2020

  • 微调不够用：一种简单而有效的用于 DNN 模型去水印的攻击方法

    本文提出了一种新颖的水印去除攻击方法，能够有效和盲目地破坏水印模型对水印样本的记忆，实现了水印去除，并且提出了一种轻量级的微调策略，以提升模型性能和现有水印的鲁棒性。

    Sep, 2020

  • 图像处理网络的模型水印技术

    基于空间隐形水印技术，提出了一种图像处理模型的水印框架，防止模型权益被侵犯。实验证明，该水印技术可抵抗不同网络结构和目标函数训练出的替代模型。

    Feb, 2020

  • 具有注意力的鲁棒隐形视频水印

    本文介绍了一种名为 RivaGAN 的新型架构，其具有自定义的基于注意力机制的嵌入任意数据的方式以及两个独立的对视频质量进行批判和优化鲁棒性的对抗性网络，使用这种技术，我们能够在基于深度学习的视频水印技术中取得最新成果，并产生最小的视觉失真和针对常见的视频处理操作具有强大的鲁棒性。

    Sep, 2019