StegaPos：通过不可察觉的位置嵌入防止意外作物和替代品

CVPRApr, 2021

StegaPos：通过不可察觉的位置嵌入防止意外作物和替代品

StegaPos: Preventing Unwanted Crops and Replacements with Imperceptible Positional Embeddings

Gokhan Egri, Todd Zickler

TL;DR本文提出了一种学习的、空间变化的隐写系统，能够检测图片在发布后的裁剪、拼接或修复，通过在每个局部图像区域中隐藏独特的位置签名，Crop 和拼接编辑通过引起隐藏的位置签名的不一致性成为可检测的。该方法可以帮助个人和图像共享平台认证图片的可靠来源，并知道这样的图片的哪些部分，如果有的话，自发布以来已经被实质性地更改。

Abstract

We present a learned, spatially-varying steganography system that allows detecting when and how images have been altered by cropping, splicing or inpainting after publication. The system comprises a learned encoder that imperceptibly hides distinct positional signatures in every local

steganography image editing cnn encoder cnn decoder position signatures

发现论文，激发创造

针对图像隐写术的端到端训练的 CNN 编码器 - 解码器网络

这篇论文提出了一种基于卷积神经网络的编码器 - 解码器架构，用于将图像嵌入载体图像作为负载，通过端到端训练来确保最大负载容量和图像质量，并在多个公共数据集（如 MNIST，CIFAR-10，ImageNet，LFW 等）上进行了实证研究，取得了最先进的性能。

Nov, 2017

卷积神经网络隐写分析在隐写术中的应用

本文提出一种新方法，在最小化失真的标准下，提高图像隐写术的性能界限。该方法利用隐写分析卷积神经网络框架来理解图像的模型，并在不易被探测的区域进行嵌入以保留模型。实验结果表明，在广泛的低相对负载范围内，与 HUGO、S-UNIWARD 和 HILL 等最先进的隐写分析技术相比，所提出的算法表现优异。

Nov, 2017

StegNet: 深度卷积网络实现的超大图像隐写容量

本文运用深度卷积神经网络和图像隐写术，将安全地嵌入隐藏信息的传统图像隐写术与图像 - 图像隐写术相结合，并成功地将具有巨大负载容量的图像进行隐藏，同时仍然对统计分析具有鲁棒性，通过最小化图像覆盖变化的方法，实现 98.2% 的解码率或 23.57bpp。

Jun, 2018

RoSteALS: 使用自编码器潜码空间的鲁棒隐写术

提出 RoSteALS 一种轻量级的隐写术技术，使用预训练自编码器来解放载荷嵌入，并且在三个基准上具有完美的秘密恢复性能和可比较的图像质量。

Apr, 2023

学习迭代神经优化器用于图像隐写术

通过训练迭代神经网络实现图像隐写术的优化，保持网络数据尽可能接近自然图像流形，从而达到更高的速度和可靠性，且在无需纠错码的情况下可将恢复误差率降至零。

Mar, 2023

StegaStamp：物理照片中的不可见超链接

本文提出了一个名为 StegaStamp 的深度神经网络算法，用于实现图像隐写术以在印刷照片中隐藏高超链接，其中使用了纠错码确保在各种环境下检测精度，达到了直觉上的近乎无感知。

Apr, 2019

用连续卷积网络和顺序信息实现精准农业中稳健的作物和杂草检测

通过卷积神经网络加入空间信息作为特征，实现了在复杂环境下农田杂草与作物的自动分割识别，并在实验中取得了优异的结果。

Jun, 2018

从隐蔽隐藏到视觉编辑：强大的生成式视频隐写术

通过在视频编辑过程中将秘密信息嵌入语义特征，提出了一种创新的视频隐写术方法。引入了端到端的鲁棒性生成式视频隐写术网络（RoGVS），通过修改视频的语义特征来实现视觉编辑和嵌入秘密信息，通过人脸替换场景展示了其视觉编辑效果。实验证明，RoGVS 方法在面部视频数据集上的应用在鲁棒性和容量两方面优于现有的视频和图像隐写术技术。

Jan, 2024

基于生成对抗网络的隐形隐写术

本研究提出了一种名为 ISGAN 的卷积神经网络结构，使用生成对抗网络，混合损失函数等方法，将灰度图像嵌入到彩色图像的 Y 通道中进行隐蔽，并在接收端精确地提取出秘密图像。实验表明，该方法在数据集 LFW，Pascal VOC2012 和 ImageNet 上达到了最先进水平。

Jul, 2018

应对运行隐写分析中的协变量偏移的盲数据适应

社交网络中图像操作的滥用带来了重大挑战。尤其令人担忧的方法是图像隐写术，使个人能够在数字图像中隐藏非法信息而不引起怀疑。本文致力于解决隐写分析模型在真实世界数据集上的实用性问题，通过几何对齐和源目标残差的分布匹配，构建了一种名为 TADA（透过数据自适应进行目标对齐）的新方法。该方法使用轻量级卷积网络，对齐图像残差的分布，有效解决了在隐写分析中的协变量偏移问题。

May, 2024