論文の概要: Copy Move Source-Target Disambiguation through Multi-Branch CNNs
- arxiv url: http://arxiv.org/abs/1912.12640v2
- Date: Thu, 21 Jan 2021 10:24:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 08:03:32.901271
- Title: Copy Move Source-Target Disambiguation through Multi-Branch CNNs
- Title(参考訳): マルチブランチCNNによるソースターゲット曖昧化のコピー
- Authors: Mauro Barni, Quoc-Tin Phan, Benedetta Tondi
- Abstract要約: そこで本研究では,コピー・ムーブ・フォージェリのソース領域とターゲット領域を同定し,タグ付き領域の正確な位置決めを可能にする手法を提案する。
まず,一般のコピー-ムーブ検出器によって検出された2つのほぼ重複領域間の領域を決定することが目的である仮説テストフレームワークに問題を投入した。
そして,コピー移動領域における人工物の存在と境界の不整合を明らかにすることができる特徴セットを学習することにより,仮説テスト問題を解決するマルチブランチCNNアーキテクチャを設計する。
- 参考スコア(独自算出の注目度): 38.75957215447834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a method to identify the source and target regions of a copy-move
forgery so allow a correct localisation of the tampered area. First, we cast
the problem into a hypothesis testing framework whose goal is to decide which
region between the two nearly-duplicate regions detected by a generic copy-move
detector is the original one. Then we design a multi-branch CNN architecture
that solves the hypothesis testing problem by learning a set of features
capable to reveal the presence of interpolation artefacts and boundary
inconsistencies in the copy-moved area. The proposed architecture, trained on a
synthetic dataset explicitly built for this purpose, achieves good results on
copy-move forgeries from both synthetic and realistic datasets. Based on our
tests, the proposed disambiguation method can reliably reveal the target region
even in realistic cases where an approximate version of the copy-move
localization mask is provided by a state-of-the-art copy-move detection
algorithm.
- Abstract(参考訳): そこで本研究では,コピー・ムーブ・フォージェリのソース領域とターゲット領域を同定し,適切な位置決めを可能にする手法を提案する。
まず,一般のコピー-ムーブ検出器によって検出された2つのほぼ重複領域間の領域を決定することが目的である仮説テストフレームワークに問題を投入した。
次に,複写領域における補間アーティファクトの存在と境界の不整合を明らかにすることのできる特徴の集合を学習することにより,仮説テスト問題を解決するマルチブランチcnnアーキテクチャを設計する。
提案したアーキテクチャは、この目的のために明示的に構築された合成データセットに基づいてトレーニングされ、合成データセットと現実データセットの両方からコピー・モーブ・フォージェリーの良好な結果が得られる。
提案手法は,最先端のコピー・モーブ検出アルゴリズムにより,コピー・モーブ局在マスクの近似バージョンが提供された実例においても,目標領域を確実に明らかにすることができる。
関連論文リスト
- Object-level Copy-Move Forgery Image Detection based on Inconsistency Mining [25.174869954072648]
Inconsistency Mining(IMNet)に基づくオブジェクトレベルのコピー・モーブ偽画像検出を提案する。
オブジェクトレベルの完全なターゲットを得るために、ソースと改ざんされた領域のプロトタイプをカスタマイズし、動的に更新する。
提案するIMNetの有効性とロバスト性を検証した3つの公開データセットについて実験を行った。
論文 参考訳(メタデータ) (2024-03-31T09:01:17Z) - Image Copy-Move Forgery Detection via Deep Cross-Scale PatchMatch [17.67927506844985]
本稿では,従来の手法と深層手法を融合した新しいエンドツーエンドCMFDフレームワークを提案する。
具体的には、コピー-ムーブ領域をローカライズするCMFDに適した、ディープ・クロススケール・パッチマッチ法を設計する。
既存のディープモデルとは対照的に,提案手法は,ソース領域とターゲット領域との明示的かつ信頼性の高いポイント・ツー・ポイントマッチングを実現することを目的としている。
論文 参考訳(メタデータ) (2023-08-08T11:23:56Z) - Can Deep Network Balance Copy-Move Forgery Detection and
Distinguishment? [3.7311680121118345]
コピーモーブ偽造検出は、デジタル画像鑑定において重要な研究領域である。
近年では、コピー・ムーブの偽造品で原本と複製物とを区別することへの関心が高まっている。
本稿では,エンド・ツー・エンドのディープ・ニューラル・ネットワークにおけるトランスフォーマー・アーキテクチャを用いた革新的な手法を提案する。
論文 参考訳(メタデータ) (2023-05-17T14:35:56Z) - CLIP the Gap: A Single Domain Generalization Approach for Object
Detection [60.20931827772482]
単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。
本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。
本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
論文 参考訳(メタデータ) (2023-01-13T12:01:18Z) - Shrinking the Semantic Gap: Spatial Pooling of Local Moment Invariants
for Copy-Move Forgery Detection [7.460203098159187]
Copy-move forgeryは、特定のパッチをコピー&ペーストして画像に貼り付ける操作で、潜在的に違法または非倫理的使用がある。
コピー・ムーブ・フォージェリーの法医学的手法の進歩は,検出精度とロバスト性の向上に寄与している。
自己相似性が高い画像や強い信号の破損のある画像の場合、既存のアルゴリズムはしばしば非効率なプロセスと信頼性の低い結果を示す。
論文 参考訳(メタデータ) (2022-07-19T09:11:43Z) - Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。
第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。
本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文 参考訳(メタデータ) (2021-08-10T05:44:23Z) - Triggering Failures: Out-Of-Distribution detection by learning from
local adversarial attacks in Semantic Segmentation [76.2621758731288]
セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。
私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。
3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
論文 参考訳(メタデータ) (2021-08-03T17:09:56Z) - Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。
DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。
擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-06-30T03:17:20Z) - Benchmarking Scientific Image Forgery Detectors [18.225190509954874]
本稿では,研究コミュニティが報告した最も一般的な画像偽造操作を再現する,拡張可能なオープンソースライブラリを提案する。
我々は、富裕層を有する大規模な科学的偽画像ベンチマーク(39,423画像)を作成する。
さらに,画像重複による抽出論文の多さを考慮し,提案したデータセットにおける最先端のコピー・モーブ検出手法の評価を行った。
論文 参考訳(メタデータ) (2021-05-26T22:58:20Z) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳(メタデータ) (2020-09-17T07:39:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。