論文の概要: Warwick Image Forensics Dataset for Device Fingerprinting In Multimedia Forensics

• arxiv url: http://arxiv.org/abs/2004.10469v2
• Date: Thu, 7 May 2020 10:55:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:50:45.058309
• Title: Warwick Image Forensics Dataset for Device Fingerprinting In Multimedia Forensics
• Title（参考訳）: Warwick Image forensics Dataset for Device Fingerprinting in Multimedia forensics
• Authors: Yijun Quan, Chang-Tsun Li, Yujue Zhou and Li Li
• Abstract要約: センサパターンノイズ(SPN)のようなデバイス指紋は、証明分析や画像認証に広く使われている。 カメラパラメータ設定の柔軟性とマルチフレーム撮影アルゴリズムの出現は、デバイス指紋認証に新たな課題をもたらす。 我々は、14台のデジタルカメラと様々な露出設定を用いて58,600枚以上の画像を撮影したWarwick Image Forensicsデータセットを提示する。
• 参考スコア（独自算出の注目度）: 19.98488085122803
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Device fingerprints like sensor pattern noise (SPN) are widely used for provenance analysis and image authentication. Over the past few years, the rapid advancement in digital photography has greatly reshaped the pipeline of image capturing process on consumer-level mobile devices. The flexibility of camera parameter settings and the emergence of multi-frame photography algorithms, especially high dynamic range (HDR) imaging, bring new challenges to device fingerprinting. The subsequent study on these topics requires a new purposefully built image dataset. In this paper, we present the Warwick Image Forensics Dataset, an image dataset of more than 58,600 images captured using 14 digital cameras with various exposure settings. Special attention to the exposure settings allows the images to be adopted by different multi-frame computational photography algorithms and for subsequent device fingerprinting. The dataset is released as an open-source, free for use for the digital forensic community.
• Abstract（参考訳）: センサパターンノイズ(SPN)のようなデバイス指紋は、証明分析や画像認証に広く使われている。 過去数年間、デジタル写真技術の急速な進歩は、消費者レベルのモバイルデバイスにおける画像撮影プロセスのパイプラインを大きく変えた。 カメラパラメータ設定の柔軟性とマルチフレーム撮影アルゴリズムの出現、特にハイダイナミックレンジ(hdr)イメージングは、デバイスの指紋認証に新たな課題をもたらす。 これらのトピックに関するその後の研究は、新しい目的に構築されたイメージデータセットを必要とする。 本稿では,14台のデジタルカメラを用いて撮影された58,600枚以上の画像のデータセットであるwarwick image forensics datasetについて述べる。 露出設定への特別な注意により、画像は異なるマルチフレームの計算写真アルゴリズムとその後のデバイス指紋認証に採用することができる。 データセットはオープンソースとしてリリースされ、デジタル法医学コミュニティで無料で利用できる。

関連論文リスト

• Web Photo Source Identification based on Neural Enhanced Camera Fingerprint [9.606477062236499]
  Web写真のソースカメラ識別は、キャプチャされた画像とソースカメラとの信頼性の高いリンクを確立することを目的としている。 本稿では,ニューラルネットの強化されたセンサパターンノイズを利用した,革新的で実用的な音源識別フレームワークを提案する。 距離学習と周波数整合性を深層ネットワーク設計に組み込むことで,最新のスマートフォン写真における指紋抽出アルゴリズムの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-18T04:14:45Z)
• MIPI 2022 Challenge on RGBW Sensor Fusion: Dataset and Report [90.34148262169595]
  本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含む,最初のMIPI課題を紹介する。 参加者は、高品質なRGBWとBayerペアの70(トレーニング)と15(検証)シーンを含む、新しいデータセットを与えられた。 すべてのデータは、屋外と屋内の両方でRGBWセンサーで撮影されました。
  論文  参考訳（メタデータ） (2022-09-15T05:56:53Z)
• Measuring Perceptual Color Differences of Smartphone Photographs [55.9434603885868]
  知覚CD評価のための最大の画像データセットをまとめた。 我々は、軽量ニューラルネットワークに基づいて、エンドツーエンドで学習可能なCD公式を構築するための最初の試みの1つである。
  論文  参考訳（メタデータ） (2022-05-26T16:57:04Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Beyond PRNU: Learning Robust Device-Specific Fingerprint for Source Camera Identification [14.404497406560104]
  元のカメラ識別ツールは、画像鑑定調査員が被疑者カメラと画像を関連付けるのを助ける。 光応答不均一 (PRNU) ノイズパターンは, センサの不完全性に起因するため, ソースカメラの識別に有効な方法であることが証明されている。 PRNUは、カメラの設定、画像の内容、画像処理操作、および反法医学的攻撃に影響を受けやすい。 この新しいデバイス指紋は低周波帯と中周波帯から抽出され、PRNUが競合できない脆弱性を解消する。
  論文  参考訳（メタデータ） (2021-11-03T11:25:19Z)
• A New Approach for Image Authentication Framework for Media Forensics Purpose [0.0]
  本稿では,デジタル画像認証と独創性識別のための新しいデジタル法医学的セキュリティフレームワークを提案する。 このアプローチは、調査中の画像の不正な修正を示す必要があるRGBイメージにシークレットコードを埋め込むことに依存します。
  論文  参考訳（メタデータ） (2021-10-03T18:31:37Z)
• A leak in PRNU based source identification. Questioning fingerprint uniqueness [75.33542585238497]
  Photo Response Non-Uniformity (PRNU) は、画像ソース属性タスクにおいて最も効果的なトレースであると考えられている。 近年のデバイスは、PRNUノイズの識別性を低下させる非特異なアーティファクトを導入する可能性がある。 誤報率の主な原因は、特定のカメラモデル、ファームウェア、画像の内容に直接関連しないことを示す。
  論文  参考訳（メタデータ） (2020-09-10T14:18:38Z)
• A Modified Fourier-Mellin Approach for Source Device Identification on Stabilized Videos [72.40789387139063]
  マルチメディアの法医学ツールは通常 取得したフレームに カメラセンサーが残した 特徴的なノイズの痕跡を利用する この分析では,カメラを特徴付けるノイズパターンと,解析対象の映像フレームから抽出したノイズパターンを幾何学的に整列させる必要がある。 本稿では,周波数領域におけるスケーリングと回転パラメータの探索により,この制限を克服することを提案する。
  論文  参考訳（メタデータ） (2020-05-20T12:06:40Z)
• Device-based Image Matching with Similarity Learning by Convolutional Neural Networks that Exploit the Underlying Camera Sensor Pattern Noise [6.6602878519516135]
  本稿では,ある画像が同一のソースカメラを持つ可能性を定量化する2部ネットワークを提案する。 我々の知る限りでは、デバイスベースの画像マッチングの課題に対処する最初の人物である。 この研究はEUが支援する4NSEEKプロジェクトの一部であり、児童性的虐待に対する法医学に関するものである。
  論文  参考訳（メタデータ） (2020-04-23T20:03:40Z)
• Replacing Mobile Camera ISP with a Single Deep Learning Model [171.49776472948957]
  PyNETは、きめ細かい画像復元のために設計された新しいピラミッド型CNNアーキテクチャである。 このモデルは、モバイルカメラセンサーから直接得たRAW Bayerデータを、プロのハイエンドDSLRカメラで撮影した写真に変換するように訓練されている。
  論文  参考訳（メタデータ） (2020-02-13T14:22:39Z)
• Combining PRNU and noiseprint for robust and efficient device source identification [18.560458309179204]
  PRNUベースの画像処理は、デジタルマルチメディア法医学における重要な資産である。 画像ノイズプリントは、最近提案されたカメラモデル指紋であり、いくつかの法医学的タスクに有効であることが証明されている。
  論文  参考訳（メタデータ） (2020-01-17T17:32:32Z)

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。