A. LEVEL 1: EMPIRICAL SEARCH OF SID

A. LEVEL 1: EMPIRICAL SEARCH OF SIDE INFORMATION Ni et al. [17] employed the highest frequency bin as peak bin regardless of how much payload should be hidden. Latter, considering the Laplace distribution of prediction errors (PEs), Li et al. [31] and Sachnev et al. [19] generally utilized two fixed values at the center region of PE histogram, i.e. 0, 1, as peak bins for data hiding. In 2012, Xuan et al. [27] offered a flexible scheme, which found that combination of those bins with less frequency away from the center region of PE histogram as peak bins rather than those ones located at center region, i.e., 0, 1, might be a better choice in some cases. However, in [27], to control the computation complexity, peak bins are mandatory to be continuously selected, which means the case with continuous values, i.e., 2, 3, 4 rather than the combination of random determined values, i.e., 2, 4 , is allowed to be peak bins, even the latter one might be better. After-wards, Hwang [20] incorporated above-mentioned flexible side information selection method in Xuan et al. [27] and Sachnevet al.’s prediction [19] to offer an improved scheme. Based on the above analysis, it is clear that those empirical methods commonly add some additional constraints to achieve a rapid search, which is hardly to achieve global optimal side information.

結果 (繁體中文) 1:

A.第1級：邊信息的Ni等的實證SEARCH。[17]所使用的最高頻率槽作為峰支路不論多少有效載荷應該被隱藏。後者，考慮預測誤差（PES）的拉普拉斯分佈，李等人。[31]和Sachnev等。[19]通常利用了兩個在PE直方圖的中心區域的固定值，即0，1，作為峰支路輸出數據隱藏。2012年，宣等人。[27]提供了一個靈活的方案，其中找到的那些二進制位的該組合具有較少頻率從PE直方圖峰支路輸出，而不是位於中心區域的那些的，中心區域遠即0，1，可能是一個更好的選擇一些案例。然而，在[27]，以控制計算複雜度，峰支路輸出是強制性的，以被連續地選擇的，這意味著殼體具有連續值，即，2，3，4，而不是隨機確定的值，即，2，4，允許是峰支路輸出的組合，即使是後者可能會更好。後病房，黃[20]上述柔性側面信息選擇方法併入軒等人。[27]和Sachnevet人的預測[19]提供一種改進的方案。基於以上分析，顯然，那些經驗方法通常添加一些附加的限制，實現了快速搜索，這是難以實現全局最優邊信息。

結果 (繁體中文) 2:

A. 級別 1： 使用最高頻率 bin 作為峰值箱，而不管應隱藏多少有效負載，對側資訊 Ni 等人的搜索。後者，考慮到預測誤差（PE）、Li等人[31]和Sachnev等人[19]的Laplace分佈，通常使用PE長條圖中心區域的兩個固定值，即0、1作為資料隱藏的峰值箱。2012 年，Xuan 等人提供了一個靈活的方案，它發現，將頻率較低的條柱作為峰值箱，而不是位於中心區域（即 0、1）的料箱組合，在某些情況下可能是一個更好的選擇。但是，在 [27] 中，為了控制計算複雜性，必須連續選取峰值 bin，這意味著具有連續值的情況，即 2、3、4，而不是隨機確定值的組合，即 2、4 允許為峰值 bin，即使後者可能更好。之後，黃[20]在宣等人[27]和Sachnevetal.的預測[19]中納入了上述靈活的邊資訊選擇方法，從而提供了一個改進的方案。根據上述分析，很明顯，這些經驗方法通常增加一些額外的約束，以實現快速搜尋，這是很難實現全域最優的側資訊。

結果 (繁體中文) 3:

A、第1級：副資訊的經驗蒐索。[17]使用最高頻率的bin作為峰值bin，而不管應該隱藏多少負載。後者，考慮到預測誤差（PEs）的Laplace分佈，Li等人。[31]和Sachnev等人。[19]通常在PE長條圖的中心區域使用兩個固定值，即0，1作為數據隱藏的峰值存儲單元。2012年，Xuan等人。[27]提供了一個靈活的方案，該方案發現，在某些情况下，將遠離PE長條圖中心區域的頻率較低的箱子組合為峰值箱子，而不是那些位於中心區域的箱子，即0，1，可能是更好的選擇。然而，在[27]中，為了控制計算複雜度，必須連續選擇峰值箱，這意味著允許具有連續值的情况（即2、3、4）而不是隨機確定值的組合（即2、4）為峰值箱，即使後者可能更好。在wards之後，Hwang[20]在Xuan等人中加入了上述靈活的側資訊選擇方法。[27]和Sachnevet al的預測[19]提供了一個改進的方案。基於以上分析可知，這些經驗方法通常會加入一些額外的約束條件來實現快速搜索，這很難獲得全域最優的邊資訊。