[发明专利]用于三维图像数据中的消息嵌入的系统和方法

说明书

系统和方法涉及一种计算系统。该计算系统可以包括一个或多个处理器、消息嵌入模型、消息提取模型和第一组指令，该第一组指令使计算系统执行操作，所述操作包括获得三维图像数据和消息向量。所述操作可以包括：将三维图像数据和消息向量输入到消息嵌入模型中，以获得编码三维图像数据。所述操作可以包括：使用消息提取模型从编码三维图像数据提取嵌入消息，以获得重构消息向量。所述操作可以包括：评估重构消息向量和消息向量之间的差异的损失函数，并且基于损失函数修改至少消息嵌入模型的参数的值。

技术领域

本公开总体上涉及三维图像数据中的消息嵌入。更具体地，本公开涉及用于三维图像数据中的不可感知的或几乎不可感知的隐藏消息嵌入的(多个)机器学习模型。

背景技术

用传统技术在二维图像数据中嵌入消息已经是重要的研究领域。然而，在三维图像数据中嵌入足够长度的不可感知的或几乎不可感知的消息提出独特的挑战。作为示例，在三维图像数据中嵌入的消息一般在从任何视点渲染或光栅化时必须是可提取的。作为另一示例，消息嵌入技术往往可能造成三维图像数据中的明显可感知的差异。

发明内容

本公开的实施例的方面和优点将在以下描述中部分地阐述，或者可以从描述中获知，或者可以通过实施例的实践获知。

本公开的一个示例方面涉及一种计算系统。计算系统可以包括一个或多个处理器。计算系统可以包括机器学习消息嵌入模型。机器学习消息嵌入模型可以被配置为接收三维图像数据和消息向量。机器学习消息嵌入模型可以被配置为基于三维图像数据和消息向量生成编码三维图像数据，该三维图像数据包括基于消息向量的嵌入消息。该计算系统可以包括机器学习消息提取模型。机器学习消息提取模型可以被配置为接收编码三维图像数据。机器学习消息提取模型可以被配置为从编码三维图像数据提取嵌入消息以获得重构消息向量。该计算系统可以包括第一组指令，该第一组指令在由一个或多个处理器执行时使计算系统执行操作。操作可以包括获得三维图像数据和消息向量。操作可以包括将三维图像数据和消息向量输入到机器学习消息嵌入模型中以获得包括嵌入消息的编码三维图像数据。操作可以包括使用机器学习消息提取模型从编码三维图像数据提取嵌入消息以获得重构消息向量。操作可以包括评估损失函数，该损失函数评估重构消息向量和消息向量之间的差异。操作可以包括基于损失函数修改至少机器学习消息嵌入模型的一个或多个参数的值。

本公开的另一方面涉及一种用于三维图像的基于水印的消息嵌入的计算机实现的方法。该方法可以包括获得三维图像数据和消息向量。该方法可以包括将三维图像数据和消息向量输入到机器学习消息嵌入模型中。该方法可以包括从机器学习消息嵌入模型接收包括基于消息向量的嵌入消息的编码三维图像数据。该方法可以包括使用机器学习消息提取模型从编码三维图像数据提取嵌入消息以获得重构消息向量。

本公开的另一方面涉及一个或多个有形的、非暂时性的计算机可读介质。该一个或多个有形的、非暂时性的计算机可读介质可以存储计算机可读指令，所述计算机可读指令在由一个或多个处理器执行时使一个或多个处理器执行操作。操作可以包括获得三维图像数据和消息向量。操作可以包括将三维图像数据和消息向量输入到机器学习消息嵌入模型中。操作可以包括从机器学习消息嵌入模型接收包括基于消息向量的嵌入消息的编码三维图像数据。操作可以包括使用机器学习消息提取模型从编码三维图像数据提取嵌入消息以获得重构消息向量。

本公开的其他方面涉及各种系统、装置、非暂时性计算机可读介质、用户接口和电子设备。

参考以下描述和所附权利要求，将更好地理解本公开的各种实施例的这些以及其他特征、方面和优点。并入本说明书并构成其一部分的附图例示本公开的示例实施例，并与描述一起用于解释相关原理。

附图说明

参考附图，在说明书中阐述针对本领域普通技术人员的实施例的详细讨论，在附图中：

图1A描绘根据本公开的示例实施例的执行消息嵌入、消息提取和/或(多个)机器学习模型的训练的示例计算系统的框图。