Um Esquema de Marca d'água Robusto em Imagens Baseado em Aprendizagem Profunda

Neste trabalho, propomos um esquema de marca d'água em imagens baseado em aprendizado profundo, no qual as camadas de inserção e extração são treinadas de forma iterativa para garantir alta robustez contra ataques. A camada de inserção adota uma estrutura paralela com redes neurais convolucionais inspiradas na rede Inception, enquanto a camada de extração emprega convoluções deformáveis. Estas permitem a extração adaptativa de características da imagem ao ajustar os filtros convolucionais de acordo com o conteúdo da imagem. Os bits inseridos na imagem correspondem aos bits de paridade de um código corretor de erros, contribuindo para a integridade da informação. O desempenho do sistema é avaliado sob diversos ataques comuns na literatura e os resultados demonstram que a abordagem proposta é eficaz e competitiva em relação a métodos recentes.