神经网络图像隐写术:用AI隐藏信息的艺术

🏡作者主页:点击!

🤖编程探索专栏:点击!

⏰️创作时间:2024年12月24日1点02分


神秘男子影,

秘而不宣藏。

泣意深不见,

男子自持重,

子夜独自沉。


论文源地址(有视频):

Aspiringcode - 编程抱负 即刻实现传知代码只专注开箱即用的代码https://www.aspiringcode.com/content?id=17210588505799&uid=bb6aa0ae6b3749868d1b2d4e61d1a208

论文概述

图像隐写术是一种在图片中隐藏消息的过程。虽然密码学等其他技术旨在防止对手阅读秘密消息,但隐写术旨在隐藏消息本身的存在。在本文中,我们提出了一种新的技术,用于使用生成对抗网络在图像中隐藏任意二进制数据,这使我们能够优化我们的模型生成的图像的感知质量。我们表明,我们的方法实现了每像素 4.4 位的最新有效载荷,逃避隐写分析工具的检测,并且对来自多个数据集的图像有效。为了实现公平比较,我们发布了一个在线可用的开源库

论文方法概述

封面图像 C 是从所有自然图像 PC 的概率分布中采样的。然后,隐写图像 Si 由学习的编码器 E(C, M ) 生成。然后通过学习的解码器 D(S) 提取秘密消息M。在训练当中,对信息的准确性和图片的质量(psnr)进行联合优化。

论文结构

整体结构主要分为三个部分,编码器,解码器,判别器

编码器接受一张CH W的图片,和一个DH W的一个二进制信息,输入到网络中,网络输出一个3HW的RGB图像作为信息承载的图片,将这个图片作为待传输的图片

解码器:由卷积网络构成,输入为编码器输出的图片,输出为浮点数构成的多维矩阵,这个矩阵和0比较进行二值化后形成二进制信息组成的矩阵,和原始信息M比较,判断信息恢复的准确度。

判别器:

为了对编码器的性能提供反馈并生成更真实的图像,我们引入了一个对抗性判别器。评论家网络由三个卷积块和一个输出通道的卷积层组成。为了生成标量分数,我们将自适应平均池化应用于卷积层的输出。

训练细节:文章采用MSE loss,BCE loss,进行训练,采用类似gan的对抗训练的方法

论文结果

演示效果

首先看一下隐写前后的效果:

input

output

同时可以解出隐藏的信息。

训练细节

核心逻辑

在这里可以粘贴您的核心代码逻辑:

复制代码
# start
console.log('wonderful')

1

2

使用方式

进入research文件夹,在jupyter 中运行相关的ipynb文件即可运行代码

部署方式

在这里描述您的服务部署方式

GPU python 3.6 pytorch1.7 注意不能版本太高!!!

相关推荐
东坡肘子11 分钟前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger28 分钟前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼31 分钟前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339862 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室3 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
灵智工坊LingzhiAI3 小时前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
昨日之日20063 小时前
Video Background Remover V3版 - AI视频一键抠像/视频换背景 支持50系显卡 一键整合包下载
人工智能·音视频
SHIPKING3934 小时前
【机器学习&深度学习】什么是下游任务模型?
人工智能·深度学习·机器学习
子燕若水8 小时前
Unreal Engine 5中的AI知识
人工智能
极限实验室9 小时前
Coco AI 实战(一):Coco Server Linux 平台部署
人工智能