.png){kind=icon}
返回
Conditional Flow-Based Generative Steganography
.png){kind=icon}
PRE
AI
DOI：10.1109/TDSC.2025.3570468.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式隐写术（GS）是一种新颖的数据隐藏技术，它直接从秘密数据生成隐写图像，而无需使用载体图像，这与传统隐写术不同。然而，现有的隐写术方法在隐藏容量、提取准确性和隐写图像多样性方面存在不足。为解决这些局限性，我们提出了一种高性能的条件流式生成隐写术（CFGS）。首先，为实现在高容量场景下对秘密数据的精确提取，我们将秘密数据隐藏在频域中以抵抗隐写图像失真的影响。此外，为增强隐写图像的多样性，我们引入了一种新颖的条件生成流模型（C-Flow）来生成隐写图像，该模型由两种新设计的层组成，即条件注意力基仿射耦合层和条件可逆归一化层。C-Flow能够通过不同条件准确引导隐写图像的视觉内容，从而增强隐写图像的多样性。我们的方法首次实现了对隐写图像视觉内容进行条件引导的GS方法，并且在载荷高达1 b-per-pixel（bpp）时，隐藏秘密数据的提取准确率达到或接近100%。大量实验表明，我们提出的方法优于当前最先进的GS方法。
Keyword:
Steganography
generative steganography
flow
conditional guidance
期刊
IF:
7.5
论文数:
2.6K
被引数:
9.6K
机构
引用论文
分享收藏分享收藏分享收藏Study and investigation of video steganography over uncompressed and compressed domain: a comprehensive review未压缩和压缩域上视频隐写的研究和调查: 综述.png)
MULTIMEDIA SYSTEMS
MULTIMEDIA SYSTEMSIF3.1
PREAI
分享收藏
查看更多内容