从隐蔽隐藏到视觉编辑：鲁棒的生成式视频隐写术
From Covert Hiding to Visual Editing: Robust Generative Video Steganography
AI总结：
本文提出鲁棒生成式视频隐写网络RoGVS，通过在视频编辑过程中修改语义特征嵌入秘密信息，在面部视频数据集上实验证明其在鲁棒性和容量上优于现有技术。
摘要：
传统视频隐写术方法基于修改隐蔽空间进行嵌入，而我们提出了一种创新方法，在视频编辑过程中将秘密信息嵌入语义特征以实现隐写。尽管现有的传统视频隐写术方法表现出一定的安全性和嵌入容量，但它们缺乏对在线社交网络（OSNs）中常见失真的足够鲁棒性。在本文中，我们引入了一种端到端的鲁棒生成式视频隐写网络（RoGVS），通过修改视频的语义特征来嵌入秘密信息，从而实现视觉编辑。我们采用换脸场景来展示视觉编辑效果。我们首先设计了一个秘密信息嵌入模块，将秘密信息自适应地隐藏到视频的语义特征中。大量实验表明，所提出的RoGVS方法应用于面部视频数据集，在鲁棒性和容量方面均优于现有的视频和图像隐写术技术。
英文摘要：
Traditional video steganography methods are based on modifying the covert space for embedding, whereas we propose an innovative approach that embeds secret message within semantic feature for steganography during the video editing process. Although existing traditional video steganography methods display a certain level of security and embedding capacity, they lack adequate robustness against common distortions in online social networks (OSNs). In this paper, we introduce an end-to-end robust generative video steganography network (RoGVS), which achieves visual editing by modifying semantic feature of videos to embed secret message. We employ face-swapping scenario to showcase the visual editing effects. We first design a secret message embedding module to adaptively hide secret message into the semantic feature of videos. Extensive experiments display that the proposed RoGVS method applied to facial video datasets demonstrate its superiority over existing video and image steganography techniques in terms of both robustness and capacity.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
