WM-NET: 有限数据下的鲁棒性深度3D水印嵌入
摘要：深度三维网格水印化的目标是将消息嵌入到能够抵御各种攻击、并能从带水印的网格中准确重构消息的三维网格中。传统方法对攻击的抵抗能力较弱。最近基于深度神经网络的方法要么引入了过多的失真，要么在没有纹理信息的情况下无法嵌入水印。然而，将水印嵌入到纹理中是不安全的，因为替换纹理图像可以完全去除水印。在本文中，我们提出了一种鲁棒的深度三维网格水印化方法WM-NET，它利用基于注意力的卷积在水印化任务中将二进制消息嵌入到顶点分布中，而无需纹理辅助。此外，我们的WM-NET利用了简化网格从原始网格继承相似关系的特性，其中关系是从一个顶点指向其相邻顶点的偏移向量。通过这样做，我们的方法可以在简化网格上训练（数据有限），但在大尺寸网格上（尺寸可调）和未知类别网格上仍然有效（几何可调）。大量实验证明，与先前的工作相比，我们的方法带来了50%更少的失真和10%更高的位准确度。我们的水印WM-NET对各种网格攻击具有鲁棒性，例如高斯、旋转、平移、缩放和裁剪。
作者：Xingyu Zhu, Guanhui Ye, Xuetao Wei, Xiapu Luo
论文ID：2307.11628
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-07-24