深度运动隐写网络

异构骨骼隐藏

首个将深度神经网络用于运动捕捉数据隐写的模型，可跨不同拓扑和维度隐藏骨骼运动序列。

Qi Wen, Gan · Yau, Wei Chuen · Gan, Yee Siang · Salam, Md Iftekhar · 郭诗辉 · Chang, Chinchen · Yubing, Wu · Luchen, Zhou

Expert Systems with Applications 2024

技术优势

首个深度运动隐写方案

此前没有任何工作将深度神经网络用于隐藏运动捕捉数据，本工作填补了这一空白，为该领域开辟了新的技术路线。

异构骨骼也能隐藏

引入上采样和池化机制后，模型可以隐藏具有不同拓扑结构和维度设置的骨骼运动数据，突破载体与秘密数据必须同构的限制。

抗扰动能力强

模型生成的隐写数据对信号扰动具有高抵抗力，提取的秘密和重建的载体仍能保持视觉质量，适合真实传输场景。

应用场景

• 动作数据保护：在动作数据中嵌入版权或来源信息，防止非法拷贝和篡改。
• 隐写追踪：把追踪标识隐藏在人体的骨骼运动里，实现不易察觉的目标跟踪。
• 三维点云隐写：为三维点云形式的运动数据提供隐写能力，保护三维内容安全。
• VR内容认证：在VR的骨骼动画中植入认证水印，验证虚拟内容的真实性。
• 医学数据水印：把患者信息或机构标识无损隐藏进医学运动捕捉序列，用于溯源。