May, 2023

利用细粒度 DCT 表征在 JPEG 图像中隐藏图像级信息

PDF
TL;DR该篇论文介绍了一种名为 EFDR 的基于 DCT 变换的图像藏密算法，通过对 JPEG 格式图像的子带进行特征增强，实现将彩色图像嵌入到 JPEG 图像中的目的。实验结果表明，该算法在载密量、抗失真等方面表现出优异的性能。
image-level messagesjpeg imagesdct representationssub-band featurestransformer-based invertibility
发现论文，激发创造
  • 压缩图像分类的轻量级自适应特征去漂移

    本研究提出了一种轻量级的 AFD 模块，用于提高预训练图像分类模型在压缩图像上的性能。实验证明，我们提出的 AFD 模块可以全面提高预训练分类模型的准确性，并且明显优于现有方法。

    Jan, 2024

  • 神经压缩潜在表示的图像数据隐藏

    我们提出了一个端到端的学习图像数据隐藏框架，通过在通用神经压缩器的潜在表示中嵌入和提取秘密信息。通过结合我们提出的消息编码器和解码器以及感知损失函数，我们的方法同时实现了高质量和高比特准确性的图像。与现有技术相比，我们的框架在压缩领域提供了优秀的图像保密性和竞争性的水印鲁棒性，而且嵌入速度加快了 50 倍以上。这些结果展示了组合数据隐藏技术和神经压缩的潜力，并为开发神经压缩技术及其应用提供了新的见解。

    Oct, 2023

  • 一种基于块 DCT 和哈夫曼编码的图像隐写术新技术

    本文提出了一种基于 Block-DCT 的图像隐写术新技术，将每个图像块从时域转换到频域并使用 Huffman 编码，通过更改图像块的 DCT 系数的最低有效位在频率域中嵌入秘密消息 / 图像，实现较高的隐匿性和安全性。

    Jun, 2010

  • 基于多级交叉通道熵模型在 DCT 域中实现的实用有损 JPEG 再压缩

    本文介绍了基于深度学习的 JPEG 图像重压缩方法，能够在 DCT 域中进行操作，提出了多级交叉通道熵模型以压缩最具信息量的 Y 分量，在保证无损的前提下实现了 JPEG 图像转码为更节省存储空间的比特流，实验表明该方法在传统 JPEG 重压缩方法（Lepton，JPEG XL 和 CMIX）中表现出最先进的性能。

    Mar, 2022

  • 高效深度图像压缩的统一端到端框架

    该研究提出了一种基于三种新技术的统一框架，包括通道关注模块、高斯混合模型和解码器侧增强模块，命名为 EDIC，可用于基于学习的图像压缩，并说明该方法优于当前所有先进的图像压缩方法，同时将解码速度提高了超过 150 倍。

    Feb, 2020

  • HiDDeN: 使用深度网络隐藏数据

    文中讨论深度神经网络的鲁棒性，探索使用对抗干扰来做数据隐藏的可行性，并展示了效果竞争力强的编码技术及其在对抗干扰下的鲁棒性的改进方式。

    Jul, 2018

  • JDEC: 增强连续余弦系数的 JPEG 解码

    我们提出了一种实用的 JPEG 图像解码方法，利用具有连续余弦公式的本地隐式神经表示。我们的模型在不同质量因素下能直接对解压缩的图像进行解码，而无需依赖传统的 JPEG 解码器，从而在灵活的彩色图像 JPEG 伪影去除任务中实现了最先进的性能。

    Apr, 2024

  • 基于 DCT 领域的空频域变换的 JPEG 量化系数恢复

    通过 DCT 领域的空频转换器（DCTransformer）以及量化矩阵嵌入和亮度 - 色度对齐技术，本研究提出的方法在去除 JPEG 图像伪影方面优于现有技术。

    Aug, 2023

  • 自适应频率触发的深度图像压缩后门攻击

    本文提出了一种基于频率的触发器注入模型，针对训练好的图像压缩模型进行多触发器的后门攻击，攻击目标包括压缩质量和任务驱动的度量，并设计了一种简单的动态损失函数以平衡不同损失项的影响，实验结果表明我们的提出的攻击方法能够成功地在单个图像压缩模型中注入多个后门触发器。

    Feb, 2023

  • 探索基于 DCT 表示的语义分割

    本文提出了一种在离散余弦变换（DCT）表示上执行语义分割的方法，通过重新排列 DCT 系数以形成首选输入类型，并针对 DCT 输入量调整现有网络来实现。该方法的准确性接近于 RGB 模型，在网络复杂性相当的情况下，适当选择 DCT 分量可以使用 36％的 DCT 系数获得相同水平的准确性，并且可以显示该方法的鲁棒性在量化误差下。据我们所知，这是第一篇探索 DCT 表示上的语义分割的论文。

    Jul, 2019