Основные понятия
提案手法DBDH(Dual-Branch Dual-Head)は、高周波成分を捉えるための低レベルのテクスチャブランチと、埋め込み領域と通常領域を識別するための高レベルのコンテキストブランチを組み合わせ、埋め込み領域の頂点検出とマスク予測の2つのヘッドを用いることで、従来手法よりも正確な位置推定を実現する。
Аннотация
本論文は、オフラインの物理媒体からオンラインへの情報伝達を可能にする不可視埋め込み技術に着目し、その前提となる埋め込み領域の位置推定手法を提案している。
提案手法DBDHは以下の特徴を持つ:
- 低レベルのテクスチャブランチ: 62個の高周波フィルタを用いて、埋め込み信号の高周波成分を明示的に抽出する。
- 高レベルのコンテキストブランチ: 大きな受容野を持つネットワークを用いて、埋め込み領域と通常領域の識別特徴を学習する。
- 頂点検出ヘッド: 埋め込み領域の4つの頂点座標を直接出力する。
- 領域セグメンテーションヘッド: 埋め込み領域のマスクを出力し、モデル学習の際の補助的な監督信号として利用する。
実験では、2つの代表的な不可視埋め込み手法に基づいて構築したデータセットを用いて評価を行っている。その結果、提案手法DBDHが従来手法に比べて高い位置推定精度を達成し、さらに計算コストも低いことを示している。
Статистика
提案手法DBDHは約30.71億の乗算加算演算を必要とし、他の手法と比べて最も軽量である。
DBDHのWM-SS(印刷撮影)データセットにおける組み合わせ歪みに対するIoUは91.2%、WM-PIMoG(画面撮影)データセットでは87.6%と、他手法を上回る性能を示している。
Цитаты
"CNN ベースのモデルは一般的に低周波信号に敏感であるが、不可視埋め込み信号は通常高周波の形態をとるため、これらの手法は位置推定の性能が低下する。"
"提案手法DBDHは、高周波成分を明示的に捉えるテクスチャブランチと、埋め込み領域と通常領域の識別特徴を学習するコンテキストブランチを組み合わせることで、より正確な位置推定を実現する。"