参考链接：[CVPR2022]基于图像解耦生成的无嵌入隐写-知乎这篇论文介绍的很好信息隐藏|ImageDisentanglementAutoencoderforSteganographywithoutEmbedding实现无嵌入隐写的图像无纠缠自动隐写器代码：https://github.com/Lemok00/IDEAS无嵌入隐写（steganographywithoutembedding,SWE）隐藏秘密信息的过程不会直接修改载体图像，因此具有免疫传统隐写分析器攻击的独特优势。现有无嵌入隐写可以分为两类：基于映射的SWE通过设计映射机制，将秘密信息转换为从现有图像集中选取的图像哈希序列，其

0摘要学习解缠和表示数据中的变化因素是人工智能中的一个重要问题。虽然已经取得了许多关于学习这些表示的进展，但如何量化解缠仍然不清楚。虽然存在一些度量标准，但对它们的隐含假设、真正衡量的内容以及限制了解甚少。因此，当比较不同的表示时，很难解释结果本篇论文调查了有监督的解缠度量标准，并对它们进行了深入分析。提出了一个新的分类体系，将所有的度量标准分为三个类别：基于干预、基于预测器和基于信息。进行了大量实验，研究了解缠表示的特性，以便在多个方面进行分层比较。通过实验结果和分析，我们对解缠表示特性之间的关系提供了一些见解。分享了如何衡量解缠的指南。1介绍1.1背景解缠表示可以独立地捕捉解释数据的真实潜