【论文阅读】RoSteALS: Robust Steganography using Autoencoder Latent Space-2023-CVPR

摘要

RoSteALS使用一个轻量级的秘密编码器将秘密信息映射到图像的潜空间中，并通过对潜空间进行微小的偏移来嵌入秘密信息。
该方法使用预训练的自编码器作为基础模型，不需要学习图像分布，因此训练过程简单且效果良好。

方法

架构图：训练期间只更新秘密编码器和秘密解码器，图像的编码器和解码器是锁定的

说明

使用自编码器VQGAN
利用编码器将秘密信息映射到图像的潜在层中，
使用Res50作为解码器，
当平均验证损失停止改善时，训练终止。
图像质量通过冻结的自编码器在第一次迭代中保证，编码器和解码器从头开始训练。

为了提高鲁棒性，插入了噪声模型，其中包括3种类型的噪声，可微的加性和线性噪声（亮度，饱和度，对比度），近似可微噪声（JPEG压缩），不可微噪声（飞溅）

实验数据集

MIRFlickR dataset 100k张，256*256的图像

PSNR在32~34之间，bit acc挺高，但是用了bch纠错码，实际负载率没那么高，而且没有做隐写分析的实验

即使在L=200中，训练也只需要30个epoch就能收敛，因为RoSteALS的唯一目标是学习秘密的编码和解码模块。

这篇代码还是很好复现的，3090显卡半小时能跑一个epoch（6000张train图），比较轻量