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

这篇研究论文深入探讨数字保护，特别聚焦于信息隐藏技术。通过引入评估已解码信息的新颖度量标准 “信息准确性”，我们解决了以往研究局限于个别位解码的问题。此外，我们提出了一种适应性通用损失函数 Log-Sum-Exponential（LSE）来增强信息准确性，从而显著改进了最近方法的消息准确性。同时，我们还在我们的框架中引入了一种新的潜在感知编码技术 Approach，利用预训练稳定扩散技术生成先进的隐写图像，实现图像质量和信息恢复之间更好的权衡。通过实验结果，我们展示了新的 LSE 损失和潜在感知编码技术的卓越性能。这种全面的方法在进化评估指标、优化损失函数和创新图像隐藏技术方面迈出了重要一步，旨在实现更强大可靠的信息保护。

Dec, 2023

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

本文介绍了一种基于 BERT 和一致性编码的自回归语言隐写算法，通过使用一致性编码来弥补块编码的缺点，并通过自回归方式填充掩码位置以提高文本质量，从而取得更好的嵌入负载和系统安全之间的平衡。实验结果表明，相对于相关工作，所提出的工作提高了隐写文本的流畅度，同时保证了安全性，并在一定程度上增加了嵌入负载。

Mar, 2022

利用神经语言模型和算术编码的隐写术技术，生成真实的语言覆盖句，并与语言模型分布相匹配，同时保护安全性。

Sep, 2019

本文提出一种在图像中使用生成对抗网络隐藏任意二进制数据的新技术，可以优化模型生成的图像的感知质量，实现了每像素 4.4 位的最新载荷，可逃避隐写分析工具的检测，并适用于多个数据集的图像。作者还发布了一个开源库，以便公正比较。

Jan, 2019

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

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。

Apr, 2021

INRSteg 是基于一种新颖的数据形式 Implicit Neural Representations (INR) 的创新无损隐写术框架，该框架适用于有效隐藏多个数据而不改变原始 INR，确保高质量的隐写数据，并能在图像、音频、视频和 3D 形状等多种模态中实现未开发的跨模态隐写术，与先前的内模态隐写方法相比，取得了最先进的性能。

Dec, 2023

本文提出 Cont-Steal 对无监督编码器的知识产权保护措施，实现对训练后的编码器的复制效果，旨在引起人们对自我监督学习技术知识产权保护的重视。

Jan, 2022