Comments 15
а интересно есть способы распознавания стеганографии?
или…
или…
нельзя...
-2
> Чтобы обеспечить безопасность Вашей корпоративной информации, лучшее, что Вы можете сделать, — это предотвратить обмен этими документами (если это возможно или Вы можете это сделать).
А я подумал, что можно просто закрашивать сплошным цветом, это не подходит? :) Да и вообще, это вроде не новость, уж лет 5 назад где-то читал подобное.
А я подумал, что можно просто закрашивать сплошным цветом, это не подходит? :) Да и вообще, это вроде не новость, уж лет 5 назад где-то читал подобное.
+4
Примеров то нет, какое было изображение, какое стало, после «депикселизациии».
Если изображение размыто до 16х16 и получилось 4 пикселя как в топике, то ты хоть что сделай — все равно не получится исходное изображение.
>Чем больше раз нейронные сети «видели» эти изображения, тем проще им было их распознавать
Такое ощущение, что показывали исходное изображение, потом пикселизированное. И «нейронные сети» их вычисляли.
Если размывать до 2x2 (что бы это не значило), то о какой конфиденциальности может иди речь?
Но лично мне проще закрасить приватные данные.
Если изображение размыто до 16х16 и получилось 4 пикселя как в топике, то ты хоть что сделай — все равно не получится исходное изображение.
>Чем больше раз нейронные сети «видели» эти изображения, тем проще им было их распознавать
Такое ощущение, что показывали исходное изображение, потом пикселизированное. И «нейронные сети» их вычисляли.
Если размывать до 2x2 (что бы это не значило), то о какой конфиденциальности может иди речь?
Но лично мне проще закрасить приватные данные.
+11
Вот-вот, подано ужасно. Эмоции есть, конкретики нет, слово «нейросеть» используется вместо слова «магия».
Правда, в данном случае можно попытаться додумать недописанное. Вырисовывается что-то такое: нейросеть натренировали на специальную задачу: восстанавливать из пикселизации написанный определённым шрифтом (или даже почерком) текст. Опять же очевидно, что чем меньше пикселей, тем меньше качество распознавания, выше требования к априорной информации (например, знать позиции букв).
Додумать можно, но статья не располагает, будто болтуна слушаешь.
Правда, в данном случае можно попытаться додумать недописанное. Вырисовывается что-то такое: нейросеть натренировали на специальную задачу: восстанавливать из пикселизации написанный определённым шрифтом (или даже почерком) текст. Опять же очевидно, что чем меньше пикселей, тем меньше качество распознавания, выше требования к априорной информации (например, знать позиции букв).
Додумать можно, но статья не располагает, будто болтуна слушаешь.
+6
Полагаю если пытаться восстанавливать по одному кадру видео то это нереально, но если по серии кадров, двигащихся, то вполне возможно, и полагаю, без нейросети (это простое уравнение, с большим количеством неизвестных)
+2
Добавлю к теме знаменитые статьи YUVladimir.
0
Это немного не то: размытие — это линейная обратимая операция. В мире холодных чисел мы можем матрицу изображения умножить на передаточную матрицу (смаз, дефокус), а потом поделить результат на матрицу смаза и получить исходное изображение. В реальности все похуже, но все равно работает.
А усреднение или любой ранговый фильтр нелинеен, и поэтому не существует способа его обратить.
Вот исходная научная статья c arxiv.org , а не желтушная с wired. Даже немного кода есть. Если вкратце, то ведётся с помощью сопоставление хитрой нейросети сопоставление мозаичной картинки и базы фотографий. По одной картинке ну вообще никак, визально лучше сделать можно, но тоже с помощью базы и на полное обращение никто не претендует.
А усреднение или любой ранговый фильтр нелинеен, и поэтому не существует способа его обратить.
Вот исходная научная статья c arxiv.org , а не желтушная с wired. Даже немного кода есть. Если вкратце, то ведётся с помощью сопоставление хитрой нейросети сопоставление мозаичной картинки и базы фотографий. По одной картинке ну вообще никак, визально лучше сделать можно, но тоже с помощью базы и на полное обращение никто не претендует.
0
UFO just landed and posted this here
Ссылочка по теме https://github.com/Tetrachrome/subpixel
0
wow эффекта не вышло, на их примере верхняя строка входное изображение, вторая строка результат, а третья — оригинал:
Но достаточно просто прищурить глаза глядя на верхнюю строку и получаем тот же результат…
Достаточно быстро моргать глядя на видео, тогда лицо человека скрытого с помощью пикселизации — будет видно более разборчиво.
Но достаточно просто прищурить глаза глядя на верхнюю строку и получаем тот же результат…
Для движущихся же объектов задача вполне имеет решение — многокадровое суперразрешение.
Достаточно быстро моргать глядя на видео, тогда лицо человека скрытого с помощью пикселизации — будет видно более разборчиво.
+1
Забавно, учитывая, что в задачах распознавания лиц используется нормализация — приведение всех изображений к единому представлению. Причём в старых алгоритмах использовался ресамплинг до разрешения порядка 16х16, а то и меньше.
Для движущихся же объектов задача вполне имеет решение — многокадровое суперразрешение.
Если нейросети настолько прокачаны, что способны распознавать лицо из пикселей, то ничто не мешает с помощью нейросети просто подменять одно лицо на другое.
Для движущихся же объектов задача вполне имеет решение — многокадровое суперразрешение.
Если нейросети настолько прокачаны, что способны распознавать лицо из пикселей, то ничто не мешает с помощью нейросети просто подменять одно лицо на другое.
0
Если скормить ей «черный квадрат», что получится?
0
Sign up to leave a comment.
Новая программа способна восстанавливать информацию, скрытую с помощью пикселизации