論文の概要: Empirical Evaluation of PRNU Fingerprint Variation for Mismatched
Imaging Pipelines
- arxiv url: http://arxiv.org/abs/2004.01929v2
- Date: Fri, 9 Oct 2020 18:29:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 23:29:37.795497
- Title: Empirical Evaluation of PRNU Fingerprint Variation for Mismatched
Imaging Pipelines
- Title(参考訳): ミスマッチ画像パイプラインにおけるprnu指紋変動の実験的評価
- Authors: Sharad Joshi, Pawel Korus, Nitin Khanna, Nasir Memon
- Abstract要約: カメラの指紋は、この設定では無視できないバリエーションを示す。
誤り率の低下は、写真操作で一般的に使用される小さなパッチにとって最強である。
- 参考スコア(独自算出の注目度): 20.693919631853102
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We assess the variability of PRNU-based camera fingerprints with mismatched
imaging pipelines (e.g., different camera ISP or digital darkroom software). We
show that camera fingerprints exhibit non-negligible variations in this setup,
which may lead to unexpected degradation of detection statistics in real-world
use-cases. We tested 13 different pipelines, including standard digital
darkroom software and recent neural-networks. We observed that correlation
between fingerprints from mismatched pipelines drops on average to 0.38 and the
PCE detection statistic drops by over 40%. The degradation in error rates is
the strongest for small patches commonly used in photo manipulation detection,
and when neural networks are used for photo development. At a fixed 0.5% FPR
setting, the TPR drops by 17 ppt (percentage points) for 128 px and 256 px
patches.
- Abstract(参考訳): PRNUをベースとしたカメラ指紋と画像パイプライン(例えば、異なるカメラISPやデジタル暗室ソフトウェア)の適合性を評価する。
この設定ではカメラ指紋が非無視的な変化を示しており、実世界のユースケースにおける検出統計の予期せぬ劣化につながる可能性がある。
標準のデジタルダークルームソフトウェアと最近のニューラルネットワークを含む13のパイプラインをテストした。
一致しないパイプラインからの指紋の相関は平均0.38に低下し、PCE検出統計は40%以上低下した。
誤差率の低下は、写真操作検出で一般的に使用される小さなパッチや、ニューラルネットワークが写真開発に使用される場合において最も強い。
固定された0.5%のFPR設定で、TPRは128pxと256pxのパッチに対して17ppt(パーセント)低下する。
関連論文リスト
- Words Worth a Thousand Pictures: Measuring and Understanding Perceptual Variability in Text-to-Image Generation [58.77994391566484]
W1KPは、画像の集合における可変性の人間の校正尺度である。
最高の知覚距離は、9つの基準線を最大18ポイント精度で上回る。
実際のプロンプトの56の言語的特徴を分析し、プロンプトの長さ、CLIP埋め込みノルム、具体性、単語感覚が最も変動に影響を及ぼすことを示した。
論文 参考訳(メタデータ) (2024-06-12T17:59:27Z) - Classification robustness to common optical aberrations [64.08840063305313]
本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。
ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。
我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
論文 参考訳(メタデータ) (2023-08-29T08:36:00Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet
Fingerprint Denoising and Recognition [5.834731599084115]
エンドツーエンドのトレーニング可能なプログレッシブガイド型マルチタスクニューラルネットワーク(PGT-Net)を提案する。
PGT-Netは共有ステージと特定のマルチタスクステージを含み、ネットワークはバイナリと非バイナリの指紋を順次トレーニングすることができる。
実験結果から,PGT-Netは湿式フィンガープリントにおいて有望な性能を示し,指紋認識率(FRR)を大幅に向上させることが示された。
論文 参考訳(メタデータ) (2023-08-14T09:19:26Z) - Bridging Precision and Confidence: A Train-Time Loss for Calibrating
Object Detection [58.789823426981044]
本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。
その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
論文 参考訳(メタデータ) (2023-03-25T08:56:21Z) - Presentation Attack Detection with Advanced CNN Models for
Noncontact-based Fingerprint Systems [5.022332693793425]
我々は,7500枚以上の4指画像の提示攻撃検出(PAD)データセットを開発した。
攻撃提示分類誤り率(APCER)0.14%とボナフィド提示分類誤り率(BPCER)0.18%のPAD精度について検討した。
論文 参考訳(メタデータ) (2023-03-09T18:01:10Z) - Deep-Learning-Based Device Fingerprinting for Increased LoRa-IoT
Security: Sensitivity to Network Deployment Changes [10.698553177585973]
各種ネットワーク設定変化に対する LoRa RF フィンガープリントの感度について検討・解析を行った。
本稿では,帯域外歪み情報を利用して指紋認証精度を向上させる新しい指紋認証手法を提案する。
以上の結果から,学習モデルが同じ条件下でトレーニングされ,テストされた場合,指紋認証は比較的良好であることがわかった。
論文 参考訳(メタデータ) (2022-08-31T16:53:05Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳(メタデータ) (2021-11-14T19:53:12Z) - A Contactless Fingerprint Recognition System [5.565364597145569]
距離から指紋をキャプチャする非接触指紋認識システムを開発するためのアプローチを提案する。
キャプチャされたフィンガー写真はさらに処理され、グローバルおよびローカルな機能(ミニチュアベース)が取得される。
提案システムはNvidia Jetson Nano開発キットを用いて開発され,非接触指紋認識をリアルタイムで行うことができる。
論文 参考訳(メタデータ) (2021-08-20T08:21:55Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳(メタデータ) (2020-05-24T10:32:49Z) - Anchors Based Method for Fingertips Position Estimation from a Monocular
RGB Image using Deep Neural Network [2.4366811507669124]
本稿では,指先の位置を推定するディープニューラルネットワークに基づく手法を提案する。
提案フレームワークは,手の検出結果に限られた依存度で最善を尽くす。
SCUT-Ego-Gestureデータセットの実験では、ビデオフレーム上の2.3552ピクセルの指先検出誤差を640倍の480$で達成した。
論文 参考訳(メタデータ) (2020-05-04T09:45:56Z)
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。