Self-Attention 기반 GAN 워터마킹의 비가시성과 강인성 개선 연구

초록

디지털 이미지의 저작권 보호를 위한 워터마킹 기술은 이미지의 시각적 품질을 유지하면서도 다양한 공격환경에서도 워터마크를 안정적으로 복원할 수 있어야 한다. 본 연구에서는 Self-Attention 메커니즘을 도입한GAN 기반 워터마킹 모델을 제안한다. 제안된 모델은 Self-Attention을 활용하여 이미지 내 전역적(Global) 관계와 중요한 특징을 학습함으로써 워터마크 삽입 이미지의 비가시성과 강인성을 동시에 개선하였다. 실험결과, JPEG 압축, 가우시안 노이즈, 블러, 크롭, 밝기 및 대비 조정 등 다양한 공격 시나리오에서 Bit Accuracy는 평균적으로 약 7.94% 향상되었으며, PSNR(Peak Signal-to-Noise Ratio)은 약 1.42dB, SSIM(Structural Similarity Index Measure)은 약 0.06 증가하여 비가시성과 강인성 모두에서 기존 모델 대비우수한 성능을 입증하였다.

키워드