<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

The evaluation of the effectiveness of deep learning based image watermarking

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

The commonly adopted evaluation criteria for deep-learning based image watermarking was analyzed. Key metrics for imperceptibility, robustness and capacity of watermarks are explored. By examining these metrics, this study provides a comprehensive understanding of how well modern watermarking techniques perform under various conditions and constraints.
В даній роботі було проаналізовано загальноприйняті критерії оцінювання водних знаків зображень, створених з використанням методів глибинного навчання. Досліджено ключові метрики непомітності, стійкості та пропускної здатності водних знаків. Вивчення цих показників дає комплексне розуміння того, наскільки добре працюють сучасні методи нанесення водних знаків за різних умов і обмежень.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8163-57-0

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Marchuk M. B., Lukichov V. V. The evaluation of the effectiveness of deep learning based image watermarking // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/24684.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. A. Malanowska, W. Mazurczyk, T. K. Araghi, D. Megías and M. Kuribayashi, "Digital Watermarking—A Meta-Survey and Techniques for Fake News Detection," in IEEE Access, vol. 12, pp. 36311-36345, 2024, doi: 10.1109/ACCESS.2024.3374201
  2. Zhong, X.; Das, A.; Alrasheedi, F.; Tanvir, A. A Brief, In-Depth Survey of Deep Learning-Based Image Watermarking. Appl. Sci. 2023, 13, 11852. https://doi.org/10.3390/app132111852
  3. Zhou Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, "Image quality assessment: from error visibility to structural similarity," in IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600-612, April 2004, doi: 10.1109/TIP.2003.819861.
  4. Anuja Dixit, Rahul Dixit,"A Review on Digital Image Watermarking Techniques", International Journal of Image, Graphics and Signal Processing(IJIGSP), Vol.9, No.4, pp.56-66, 2017. DOI: 10.5815/ijigsp.2017.04.07.