We present INRSteg, an innovative lossless steganography framework based on a novel data form, Implicit Neural Representations (INR), that is modal-agnostic. Our framework effectively hides multiple data without altering the original INR ensuring high-quality stego data. The neural representations of secret data are first concatenated to have independent paths that do not overlap. Then weight freezing techniques are applied to the diagonal blocks of the concatenated network's weight matrices to preserve the weights of secret data while the additional free weights in the off-diagonal blocks of weight matrices are fitted to the cover data. Our framework can perform unexplored cross-modal steganography for various modalities including image, audio, video, and 3D shapes, and it achieves state-of-the-art performance compared to previous intra-modal steganographic methods.
이 논문에서는 암시적 표현이라는 새로운 데이터 표현 방식을 이용해 손실 없는 혁신적인 스테가노그래피 프레임워크를 제안한다. 이 프레임워크는 여러 비밀 데이터의 암시적 표현을 그대로 유지하면서도 높은 품질의 스테고 데이터를 보장한다. 우선 다수의 비밀 데이터를 암시적 표현으로 전환 후 겹치지 않게 이어 붙인다. 그 후, 가중치 고정 기술을 연결되 네트워크의 가중치 행렬들의 대각에 위치한 블록들에 적용하여 비밀 데이터를 보존하는 동시에 비대각에 위치한 자유 가중치를 커버 데이터에 맞춘다. 미개척된 크로스 모달 스테가노그래피를 여러 모달리티에 대해 가능하게 할 뿐만 아니라 기존의 동일 모드 간 스테가노그래피 기법들과 비교했을 때 최첨단의 성눙을 보여준다.
