VALSE 论文速览 第57期：DeepMIH：基于可逆神经网络的多图像隐藏算法

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自北京航空航天大学等机构在多图像隐藏方面的工作。该工作由邓欣老师指导，景俊鹏同学录制。

论文题目：DeepMIH: Deep Invertible Network for Multiple Image Hiding

作者列表：关振宇 (北京航空航天大学)，景俊鹏 (北京航空航天大学)，邓欣 (北京航空航天大学)，徐迈 (北京航空航天大学)，蒋铼 (北京航空航天大学)，张舟 (北京航空航天大学)，李一鹏 (清华大学)

B站观看网址：

https://www.bilibili.com/video/BV1xr4y1i7J7/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

多图像隐藏 (Multiple Image Hiding)任务旨在将多个秘密图像 (Secret image)隐藏到单个载体图像 (Cover image)中，并且在需要恢复时能够较好地将所有秘密图像恢复出来。这种大容量的隐藏很容易导致轮廓阴影或颜色失真，使得多图像隐藏任务非常困难。在本文中，我们提出了一种基于可逆神经网络的新型多图像隐藏框架DeepMIH。我们开发了一种可逆隐藏模块，将图像的隐藏和恢复这两个过程建模为该模块的前向和反向计算过程，使其完全耦合和可逆。这种模块是高度灵活的，可以根据隐藏图像数量的需要进行多级级联。我们还设计了一个基于注意力机制的指导权重模块，它可以把已经进行了隐藏的秘密图像当做条件先验信息，用于指导下一级的隐藏过程。此外，我们发现将秘密信息隐藏在载体图像的高频子带中效果更好，并据此提出了一个新的损失函数来约束低频部分的信息分布。实验结果表明，我们提出的方法在多个常用数据集上都实现了SOTA。

论文信息：

[1] Guan Z, Jing J, Deng X, et al. DeepMIH: Deep Invertible Network for Multiple Image Hiding[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.

论文链接：

[https://ieeexplore.ieee.org/document/9676416]

代码链接：

[https://github.com/TomTomTommi/DeepMIH]

视频讲者简介：

景俊鹏，北京航空航天大学硕士生，研究方向为计算机视觉和内容安全，目前专注于图像隐藏、数字水印和可逆图像复原。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：丁长兴 (华南理工大学)、彭春蕾 (西安电子科技大学)

季度责任AC：杨猛 (中山大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！

直播地址：

https://live.bilibili.com/22300737；

历史视频观看地址：

https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ R群，群号：137634472）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。

看到这了，确定不关注下吗？关注下再走吧～