論文の概要: A Survey of Machine Learning Techniques in Adversarial Image Forensics

• arxiv url: http://arxiv.org/abs/2010.09680v1
• Date: Mon, 19 Oct 2020 17:16:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 20:21:30.696825
• Title: A Survey of Machine Learning Techniques in Adversarial Image Forensics
• Title（参考訳）: 逆画像鑑定における機械学習技術の検討
• Authors: Ehsan Nowroozi, Ali Dehghantanha, Reza M. Parizi, Kim-Kwang Raymond Choo
• Abstract要約: 画像鑑定は刑事捜査と民事訴訟において重要な役割を果たしている。 機械学習のアプローチは画像法医学にも活用されている。 本稿では,機械学習に基づくバイナリ操作検出器の堅牢性向上に有効な手法について検討する。
• 参考スコア（独自算出の注目度）: 45.219116050446786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image forensic plays a crucial role in both criminal investigations (e.g., dissemination of fake images to spread racial hate or false narratives about specific ethnicity groups) and civil litigation (e.g., defamation). Increasingly, machine learning approaches are also utilized in image forensics. However, there are also a number of limitations and vulnerabilities associated with machine learning-based approaches, for example how to detect adversarial (image) examples, with real-world consequences (e.g., inadmissible evidence, or wrongful conviction). Therefore, with a focus on image forensics, this paper surveys techniques that can be used to enhance the robustness of machine learning-based binary manipulation detectors in various adversarial scenarios.
• Abstract（参考訳）: 画像法医学は、犯罪捜査(例えば、人種的憎悪や特定の民族に関する虚偽の物語を広めるために偽のイメージを広めること)と民事訴訟(例えば、非難)において重要な役割を果たす。 機械学習のアプローチは、画像の法医学にも利用されてきている。 しかし、機械学習ベースのアプローチにまつわる多くの制限や脆弱性もあり、例えば、現実的な結果(例えば、不許容な証拠、誤った信念)を持つ敵(イメージ)の例を検出する方法がある。 そこで,本稿では,画像解析に焦点を絞って,様々な対向シナリオにおける機械学習に基づくバイナリ操作検出器の頑健性を高めるための手法について検討する。

関連論文リスト

• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• Adversarial Learning in Real-World Fraud Detection: Challenges and Perspectives [1.5373344688357016]
  不正行為と敵対的攻撃は機械学習モデルを脅かす。 本稿では,不正検出システムに対する攻撃が,他の機械学習応用とどのように異なるかを述べる。
  論文  参考訳（メタデータ） (2023-07-03T23:04:49Z)
• Uncertainty-based Detection of Adversarial Attacks in Semantic Segmentation [16.109860499330562]
  本稿では,セマンティックセグメンテーションにおける敵攻撃検出のための不確実性に基づくアプローチを提案する。 本研究は,複数種類の敵対的攻撃を対象とする摂動画像の検出能力を示す。
  論文  参考訳（メタデータ） (2023-05-22T08:36:35Z)
• Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection [115.83992775004043]
  近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。 本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
  論文  参考訳（メタデータ） (2022-12-12T02:54:08Z)
• A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
  本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。 理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。 本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
  論文  参考訳（メタデータ） (2022-03-02T07:46:52Z)
• A dual benchmarking study of facial forgery and facial forensics [28.979062525272866]
  近年、視覚的偽造は、人間が詐欺を特定できないような高度な水準に達している。 この危険な傾向を止めるために、豊富な視覚法医学的手法が提案されている。 本稿では,視覚的偽造と視覚的鑑識に関する詳細な知見を提供するベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-11-25T05:01:08Z)
• Deepfake Forensics via An Adversarial Game [99.84099103679816]
  顔偽造と画像・映像品質の両面での一般化能力向上のための対人訓練を提唱する。 AIベースの顔操作は、しばしば、一般化が困難であるモデルによって容易に発見できる高周波アーティファクトにつながることを考慮し、これらの特定のアーティファクトを曖昧にしようとする新しい逆トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-03-25T02:20:08Z)
• This is not the Texture you are looking for! Introducing Novel Counterfactual Explanations for Non-Experts using Generative Adversarial Learning [59.17685450892182]
  反実用説明システムは、入力画像を変更して反実用推論を可能にする。 本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。 その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2020-12-22T10:08:05Z)
• Adversarial Machine Learning in Image Classification: A Survey Towards the Defender's Perspective [1.933681537640272]
  逆の例は、悪意のある最適化アルゴリズムによって生成される微妙な摂動を含む画像である。 ディープラーニングアルゴリズムは、生体認証システムや自動運転車など、セキュリティクリティカルなアプリケーションで使われてきた。
  論文  参考訳（メタデータ） (2020-09-08T13:21:55Z)
• Adversarial Attack on Deep Learning-Based Splice Localization [14.669890331986794]
  画像の操作を隠蔽する3つの非エンドツーエンドのディープラーニングベースのスプライスローカライズツールを,新たなアルゴリズムを用いて実証する。 生成した対向的摂動は, 局部化性能の劣化に関して, それら間で伝達可能であることが判明した。
  論文  参考訳（メタデータ） (2020-04-17T20:31:38Z)

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。