.png){kind=icon}
返回
Generative Implicit Steganography via Message Mapping
.png){kind=icon}
OA
AI
DOI：10.3390/app152011041.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式隐写术（GS）通过秘密消息生成隐写媒体，但现有的GS仅针对单类型多媒体数据，通用性较差。生成器和提取器的尺寸与分辨率高度耦合。消息映射转换秘密消息和噪声，但基于该技术的当前GS方案使用栅格化数据，无法普遍生成多样化的多媒体。受隐式神经表示（INR）启发，我们提出基于消息映射的生成式隐式隐写术（GIS）。我们在函数域中设计了单比特和多比特消息映射方案。该方案的功能生成器消除了模型与栅格化数据尺寸之间的耦合，实现了多样化多媒体生成并突破了分辨率限制。训练了一个专用的点云提取器以提高适应性。通过文献综述，该方案首次在函数域中执行消息映射。实验中，以图像为例，采用PSNR、StegExpose和神经剪枝等方法证明，生成图像质量几乎无法与真实图像区分，同时生成的图像具有鲁棒性。在嵌入容量为1 bpp时，消息提取准确率可达96.88%；嵌入容量为2 bpp时为89.84%；剪枝率为0.3时为82.21%。
Keyword:
information hiding
steganography
implicit neural representation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
分享收藏
分享收藏Image Steganography Based on Foreground Object Generation by Generative Adversarial Networks in Mobile Edge Computing With Internet of Things.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容