MétaCan
Menu
Retour à la cohorte
Enregistrement W1512831777 · doi:10.1109/icip.2001.959171

A content dependent spatially localized video watermark for resistance to collusion and interpolation attacks

2002· article· en· W1512831777 sur OpenAlexaff
K. Su, Deepa Kundur, Dimitrios Hatzinakos

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Steganography and Watermarking Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDigital watermarkingWatermarkComputer scienceBilinear interpolationComputer visionSubframeArtificial intelligenceCollusionRedundancy (engineering)InvisibilityAlgorithmEmbeddingTheoretical computer scienceComputer securityImage (mathematics)Computer network

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel video watermarking algorithm based on two key ideas: statistical invisibility and content-synchronized placement. We argue that statistical invisibility is essential to protect video watermarks from statistical collusion, and present a natural way to induce this property using a content-dependent spatially localized watermarking framework. We introduce the notion of a watermark footprint, the spatial locations over which its energy is spread. By defining localized footprints with regular structures, e.g., a set of subframes within each frame, current image watermarking techniques can immediately be applied at the subframe-level. We address the issue of reduced spatial redundancy by proposing an attack model based on bilinear interpolation, and embedding the watermark into regions with lower expected distortions. Results are presented to demonstrate the effectiveness of the algorithm.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,258
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Steganography and Watermarking TechniquesTravaux en français237 207