基于Transformer音频隐写技术探析  

作　　者：张晗 张文倩 赵永梅 卢盈齐[1] 

机构地区：[1]空军工程大学装备管理与无人机工程学院 [2]空军工程大学 [3]空军工程大学防空反导学院作战指挥教研室

出　　处：《数字技术与应用》2025年第1期73-75,共3页Digital Technology & Application

摘　　要：近年来,Transformer模型在音频隐写领域的应用取得了显著进展,其得益于自注意力机制和序列建模能力。本文介绍了当前基于Transformer的音频隐写技术的最前沿进展。Transformer通过自注意力机制有效捕捉音频信号的时序依赖关系,提升了隐写的感知质量和信息容量。此外,通过精确控制信息嵌入,Transformer在保证音频自然度的同时提高了信息传递效率。其鲁棒性也有助于抵抗传输过程中的失真和干扰,增强了音频隐写的稳定性和可靠性。在优化策略方面,梯度下降(GD)、随机梯度下降(SGD)和Adam优化器等算法被广泛应用。Adam优化器结合了梯度下降和动量方法的优势,能够自适应调整学习率,提高优化效率和稳定性。在实际应用中,损失函数和优化策略的选择取决于问题性质和数据分布。

关 键 词：注意力机制 梯度下降 音频隐写 信息容量 数据分布 优化器 感知质量 损失函数 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]