基于神经元剪枝的隐式神经表示隐写

基于摘要分析。该研究针对隐式神经表示（INR）图像隐写中载密图像与秘密图像质量不足的问题，提出通过神经元剪枝构建秘密函数，再利用局部优化形成表示载体图像的载密函数；研究对象是图像隐写，并非 EEG 解码或 BCI。 方法首先随机停用部分神经元，训练用于隐式表示秘密图像的 INR 函数；随后以非结构化方式剪除对秘密图像表示不重要的神经元，得到秘密函数，并将神经元位置信息作为密钥。之后重新激活被剪除的神经元，通过局部优化策略构建表示载体图像的载密函数。接收方利用共享密钥，从载密函数中恢复秘密函数，进而重建秘密图像。摘要未说明神经元重要性判据、局部优化的参数范围、网络结构与损失形式。 作者报告，在不同分辨率图像的实验中，该方法能够无损恢复秘密图像，在容量、保真度和不可检测性方面表现良好，并在图像质量上优于既有隐式表示隐写方法。摘要未提供具体分辨率、数据集、对照方法名称及定量指标；“无损恢复”是相对于原始秘密图像还是嵌入前 INR 的重建结果，亦需全文核对。实验协议、消融及统计信息尚未验证。 现有材料未建立该隐写机制与 EEG/BCI 瓶颈之间的具体对应关系，因此不据此提出迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。