論文の概要: The Forchheim Image Database for Camera Identification in the Wild

• arxiv url: http://arxiv.org/abs/2011.02241v1
• Date: Wed, 4 Nov 2020 11:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:23:35.846773
• Title: The Forchheim Image Database for Camera Identification in the Wild
• Title（参考訳）: 野生のカメラ識別のためのforchheim画像データベース
• Authors: Benjamin Hadwiger, Christian Riess
• Abstract要約: Forchheim Image Database (FODB)は、27台のスマートフォンカメラで143シーンの23,000枚以上の画像で構成されている。 各画像は、オリジナルのカメラネイティブバージョンと、ソーシャルネットワークから5つのコピーの6つの異なる品質で提供される。 汎用EfficientNetは、クリーン画像と圧縮画像の両方で、いくつかの専門のCNNを著しく上回っている。
• 参考スコア（独自算出の注目度）: 10.091921099426294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image provenance can represent crucial knowledge in criminal investigation and journalistic fact checking. In the last two decades, numerous algorithms have been proposed for obtaining information on the source camera and distribution history of an image. For a fair ranking of these techniques, it is important to rigorously assess their performance on practically relevant test cases. To this end, a number of datasets have been proposed. However, we argue that there is a gap in existing databases: to our knowledge, there is currently no dataset that simultaneously satisfies two goals, namely a) to cleanly separate scene content and forensic traces, and b) to support realistic post-processing like social media recompression. In this work, we propose the Forchheim Image Database (FODB) to close this gap. It consists of more than 23,000 images of 143 scenes by 27 smartphone cameras, and it allows to cleanly separate image content from forensic artifacts. Each image is provided in 6 different qualities: the original camera-native version, and five copies from social networks. We demonstrate the usefulness of FODB in an evaluation of methods for camera identification. We report three findings. First, the recently proposed general-purpose EfficientNet remarkably outperforms several dedicated forensic CNNs both on clean and compressed images. Second, classifiers obtain a performance boost even on unknown post-processing after augmentation by artificial degradations. Third, FODB's clean separation of scene content and forensic traces imposes important, rigorous boundary conditions for algorithm benchmarking.
• Abstract（参考訳）: 画像証明は、犯罪捜査やジャーナリストの事実確認において重要な知識を表現できる。 過去20年間、ソースカメラと画像の配信履歴に関する情報を取得するための多くのアルゴリズムが提案されてきた。 これらのテクニックの公平なランク付けには、実際のテストケースでのパフォーマンスを厳格に評価することが重要である。 この目的のために、いくつかのデータセットが提案されている。 しかし、既存のデータベースにはギャップがあると主張する。我々の知識では、現在2つの目標、すなわち2つの目標を同時に満たすデータセットはありません。 a) シーンの内容と法医学的痕跡をきれいに分離し、 b)ソーシャルメディアの再圧縮のような現実的な後処理をサポートする。 本稿では,このギャップを埋めるためにFODB(Forchheim Image Database)を提案する。 スマートフォンのカメラ27台で143シーンの2万3000枚以上の画像で構成されており、法医学的な成果物から画像コンテンツをきれいに分離することができる。 各画像は、オリジナルのカメラネイティブバージョンと、ソーシャルネットワークから5つのコピーの6つの異なる品質で提供される。 カメラ識別手法の評価において,FODBの有用性を示す。 3つの発見を報告する。 まず、最近提案された汎用EfficientNetは、クリーン画像と圧縮画像の両方で、いくつかの専門のCNNを著しく上回っている。 第二に、分類器は、人工劣化による増大後の未知の後処理においても性能向上が得られる。 第3に,FODBによるシーン内容と法医学的トレースのクリーンな分離は,アルゴリズムベンチマークにおいて重要な,厳密な境界条件を課している。

関連論文リスト

• FORB: A Flat Object Retrieval Benchmark for Universal Image Embedding [7.272083488859574]
  多様なパターンを持つ平坦な画像に対して,ビジュアル検索手法をベンチマークするための新しいデータセットを提案する。 我々のフラットオブジェクト検索ベンチマーク(FORB)は一般的に採用されている3Dオブジェクトドメインを補完する。 アウト・オブ・ディストリビューション領域のイメージ埋め込み品質を評価するためのテストベッドとして機能する。
  論文  参考訳（メタデータ） (2023-09-28T08:41:51Z)
• Scrape, Cut, Paste and Learn: Automated Dataset Generation Applied to Parcel Logistics [58.720142291102135]
  4つのステップでインスタンスセグメンテーションのための合成データセットを生成するために,完全に自動化されたパイプラインを提案する。 まず、人気のある画像検索エンジンから興味ある対象の画像を抽出する。 画像選択には,オブジェクトに依存しない事前処理,手動画像選択,CNNに基づく画像選択の3つの方法を比較する。
  論文  参考訳（メタデータ） (2022-10-18T12:49:04Z)
• Forensicability Assessment of Questioned Images in Recapturing Detection [78.45849869266834]
  質問されたサンプルの鑑定可能性の定量化のための鑑定可能性評価ネットワークを提案する。 低フォレンシビリティサンプルは、実際の再適応検出プロセスの前に拒絶され、再適応システムの効率が向上する。 我々は、トレーニングされたFANetと、アンチ・スプーフィングと再適応された文書検出タスクの実践的な再適応検出スキームを統合する。
  論文  参考訳（メタデータ） (2022-09-05T12:26:01Z)
• Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
  この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。 画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。 提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-10-29T16:51:16Z)
• Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
  画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。 中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。 我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
  論文  参考訳（メタデータ） (2021-03-08T13:16:19Z)
• Deep Bingham Networks: Dealing with Uncertainty and Ambiguity in Pose Estimation [74.76155168705975]
  Deep Bingham Networks (DBN)は、3Dデータに関するほぼすべての実生活アプリケーションで発生するポーズ関連の不確実性と曖昧性を扱うことができる。 DBNは、(i)異なる分布モードを生成できる多仮説予測ヘッドにより、アートダイレクトポーズ回帰ネットワークの状態を拡張する。 トレーニング中のモードや後方崩壊を回避し,数値安定性を向上させるための新しいトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-20T19:20:26Z)
• Video Camera Identification from Sensor Pattern Noise with a Constrained ConvNet [7.229968041355052]
  本稿では,ビデオフレームから抽出したカメラ固有のノイズパターンに基づいて,映像のソースカメラを識別する手法を提案する。 本システムは,映像フレームを個別に分類し,多数決によりソースカメラの識別を行うように設計されている。 この研究は、子どもの性的虐待に対する法医学に焦点を当てたEUが支援するプロジェクト4NSEEKの一部です。
  論文  参考訳（メタデータ） (2020-12-11T12:17:30Z)
• UDBNET: Unsupervised Document Binarization Network via Adversarial Game [26.60652038277151]
  本稿では,3人プレイヤ min-max 対角ゲームを導入し,文書画像のバイナライゼーションに向けた新しいアプローチを提案する。 提案手法では,まずクリーンな画像上に,劣化した参照画像のテクスチャを重畳する。 クリーンな画像と生成された劣化したバージョンは、unsupervised Document Binarization Network (UDBNet) のトレーニングに使用される擬似ペアデータを構成する。
  論文  参考訳（メタデータ） (2020-07-14T14:58:46Z)
• 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)
• Camera Trace Erasing [86.15997461603568]
  我々は、トレースベースの法医学的手法の弱点を明らかにするために、新しい低レベル視覚問題であるカメラトレース消去に対処する。 そこで我々は,ネットワークトレーニングのためのSiameseアーキテクチャに基づいて,新たなハイブリッドロスを設計したSiamese Trace Erasing (SiamTE)を提案する。
  論文  参考訳（メタデータ） (2020-03-16T00:09:55Z)
• CNN-based fast source device identification [30.17213343080699]
  畳み込みニューラルネットワーク(CNN)を用いた高速かつ正確な解法を提案する。 具体的には、カメラ指紋と画像ノイズをパッチレベルで比較する方法を学習する2チャンネルCNNを提案する。 このアプローチは、ソーシャルネットワークなど、大規模な画像データベースが分析されるシナリオに特に適している。
  論文  参考訳（メタデータ） (2020-01-31T14:01:45Z)

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。