基于GAN的无载体信息隐藏方法：提升鲁棒性和隐藏容量

本文提出了一种基于生成对抗网络 (GAN) 的无载体信息隐藏方法。该方法通过将要隐藏的信息编码为噪声向量，然后将其输入到生成器网络中生成伪图像。同时，将伪图像和真实图像一起输入到判别器网络中进行训练，以提高生成器网络的性能。通过在生成器网络中嵌入信息，可以在不影响图像质量的情况下隐藏信息。本文还引入了一种新的损失函数，用于衡量隐藏信息的质量和量。实验结果表明，该方法可以在不影响图像质量的情况下隐藏大量的信息，并且比其他方法具有更好的鲁棒性。