[論文レビュー] Adaptive Control of Embedding Strength in Image Watermarking using Neural Networks

Mahnoosh Bagheri, Majid Mohrekesh+2 more|arXiv (Cornell University)|Jan 9, 2020

Advanced Steganography and Watermarking Techniques被引用数 5

ひとこと要約

本論文は、DCTおよびDWTベースの画像ウェーブレット埋め込みにおける埋め込み強度を能動的に制御するニューラルネットワークベースのフレームワークを提案する。COCOデータセット上で訓練されたMask R-CNNを用いて、画像のサブブロックごとに最適な強度を予測する。この手法は、攻撃に対する耐性と視覚的透明性の両方を向上させ、固定強度手法を上回る性能を発揮する。

ABSTRACT

Digital image watermarking has been widely used in different applications such as copyright protection of digital media, such as audio, image, and video files. Two opposing criteria of robustness and transparency are the goals of watermarking methods. In this paper, we propose a framework for determining the appropriate embedding strength factor. The framework can use most DWT and DCT based blind watermarking approaches. We use Mask R-CNN on the COCO dataset to find a good strength factor for each sub-block. Experiments show that this method is robust against different attacks and has good transparency.

研究の動機と目的

• 画像ウェーブレット埋め込みにおける耐性と透明性のトレードオフを解消すること。
• 固定値ではなく、画像のサブブロックごとに動的に最適な埋め込み強度を決定すること。
• 深層学習（Mask R-CNN）をウェーブレット埋め込みプロセスに統合し、文脈に応じた強度選択を可能にすること。
• 既存のDCTおよびDWTベースのブレンドウェーブレット埋め込み方式と互換性を維持すること。
• 一般的な画像処理攻撃に対して耐性を高めつつ、視覚的品質を保持すること。

提案手法

• フレームワークは、COCOデータセットで訓練されたMask R-CNNを用いて、画像をサブブロックに分割する。
• 各セグメンテッドサブブロックについて、視覚的複雑さとテクスチャに基づいて最適な埋め込み強度係数をモデルが予測する。
• 予測された強度は、標準的なDCTまたはDWTベースのブレンドウェーブレット埋め込み手法を用いてウェーブレット埋め込みに適用される。
• システムは、画像コンテンツから埋め込み強度への学習済みマッピングを用いることで、手動チューニングを回避する。
• このアプローチは、基盤となるウェーブレット埋め込みアルゴリズムに依存せず、既存の方式に即座に統合可能である。
• 一般化された強度選択を実現するため、さまざまなテクスチャと複雑さを持つ画像パッチからトレーニングデータを抽出する。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、視覚的コンテンツに基づいて、画像のサブブロックごとに最適な埋め込み強度を正確に予測できるか？
• RQ2 適応的強度選択は、一般的な画像攻撃下でウェーブレット埋め込みの耐性をどのように向上させるか？
• RQ3 固定強度ウェーブレット埋め込みと比較して、この手法は視覚的透明性をどの程度保持できるか？
• RQ4 このフレームワークは、さまざまなDCTおよびDWTベースのウェーブレット埋め込み技術に一般化可能か？
• RQ5 領域認識の強度予測にMask R-CNNを用いることで、均一またはヒューリスティックな強度割り当てを上回る性能が得られるか？

主な発見

• 提案手法は、JPEG圧縮、クロッピング、ノイズ追加といった一般的な攻撃に対して、より高い耐性を示した。
• 視覚的品質（PSNRおよびSSIMで測定）は、文脈に応じた強度適応のおかげで顕著に向上した。
• フレームワークは、アルゴリズムの変更を要せず、さまざまなDCTおよびDWTベースのブレンドウェーブレット埋め込み方式と互換性を維持した。
• 実験では、高密度のテクスチャを示すサブブロックが強い埋め込み強度を受け、滑らかな領域では透明性を保つために弱い強度が使用された。
• Mask R-CNNの使用により、強度適応のための領域の正確な局所化が可能になり、全体的な性能が向上した。
• 多様なテスト画像において、耐性と透明性の両面で一貫した改善が確認された。