MétaCan
Menu
Retour à la cohorte
Enregistrement W2056119527 · doi:10.1109/newcas.2012.6329026

Design and implementation of hardware based watermarking solutions for CMOS image sensors

2012· article· en· W2056119527 sur OpenAlexaff
Sonjoy Deb Roy, Orly Yadid-Pecht

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Steganography and Watermarking Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDigital watermarkingWatermarkComputer scienceDiscrete cosine transformArtificial intelligenceComputer visionComputer hardwareImage sensorCMOSFrame rateEmbeddingImage (mathematics)EngineeringElectronic engineering

Résumé

récupéré en direct d'OpenAlex

This work presents the design and implementation of hardware based digital watermarking solutions that can insert invisible and semi-fragile watermark into multimedia contents (image or video) captured by CMOS based image sensors, in real time for authentication purposes. The systems are designed to be integrated with the CMOS based camera unit. Starting from our initial JPEG based watermarking design, through an MJPEG one, we will also report on the watermarking solution for the commonly used MPEG encoded video. The current reported system works in real time right after the capturing of video by the CMOS based image sensor. The watermark embedding is processed in the Discrete Cosine Transform (DCT) domain which allows the integration of both watermarking and encoding of the video (or image) into a single system. The hardware based watermarking system described here, works efficiently without high penalty in system power consumption and hardware resources. Moreover, the watermarking rate (watermark generation and embedding) is also high enough to adapt with the frame rate of MPEG-4 video streams in realtime. This new hardware based watermarking system for CMOS based image sensor features minimum video quality degradation and it can withstand certain potential attacks i.e. cover-up attack, cropping, and segment removal from video sequences.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,276

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 savante0,0000,001
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 Opus0,035
Tête enseignante GPT0,301
Écart entre enseignants0,266 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Steganography and Watermarking TechniquesTravaux en français237 207