图像处理之《生成隐写流》论文阅读

一、文章摘要

生成隐写术(GS)是一种新的数据隐藏方式，其特点是直接从秘密数据生成隐写介质。现有的GS方法通常因性能差而受到批评。本文提出了一种新的基于流的GS方法——生成隐写流(GSF)，该方法可以直接生成隐写图像而不需要封面图像。我们将隐写图像生成和秘密数据恢复过程作为一个可逆变换，在输入的秘密数据和生成的隐写图像之间建立可逆的双客观映射。在前向映射中，将秘密数据隐藏在Glow模型的输入潜变量中，生成隐写图像。通过反向映射，可以从生成的隐写图像中准确地提取隐藏数据。此外，我们提出了一种新的潜变量优化策略来提高隐写图像的保真度。实验结果表明，本文提出的GSF算法的性能远远优于SOTA算法。

二、提出的方法

拟建GSF的管道如图2所示，包括两个阶段：1.潜变量优化阶段；2.隐藏和提取秘密的阶段。在第一阶段，对潜变量Z进行优化，旨在提高生成的隐写图像的质量。如图2顶部所示，采用质量评估器对图像保真度进行评估，根据每个输入图像的保真度输出一个分数。将生成图像与真实图像之间的分数差(Diff)作为后向损失进行优化；在第二阶段，建立从输入秘密数据到输出隐写图像的可逆双射映射，通过该映射可以将秘密