wujing1_1的博客

随着照相手机和数字显示器的普遍存在，用照相手机捕捉数字显示的图像得到了广泛的应用。在水印的背景下，这带来了屏幕拍摄的稳健性问题。获得屏幕拍摄鲁棒性的关键是设计一个好的噪声层，它可以在基于深度学习的水印框架中代表屏幕拍摄的失真。然而，由于拍摄过程太过复杂，要定量地制定拍摄失真是非常困难的。为了设计一个有效的屏幕射击鲁棒性的噪声层，我们在本文中提出了新的见解，即没有必要定量模拟屏幕射击噪声层的整体程序，只包括影响最大的失真就足以产生一个具有强大鲁棒性的有效噪声层。

打印和数字显示的照片能够隐藏可通过互联网连接的成像系统访问的不易察觉的数字数据。另一种思考方式是物理照片，其中隐藏着独特的二维码。本文介绍了解决这一愿景的架构、算法和原型实现。我们的关键技术贡献是 StegaStamp，这是一种学习的隐写算法，能够以接近感知不可见的方式将任意超链接位串稳健地编码和解码为照片。StegaStamp 包含一个深度神经网络，该网络学习一种编码/解码算法，该算法对图像扰动具有鲁棒性，近似于真实打印和摄影导致的失真空间。