論文の概要: Efficient video integrity analysis through container characterization

• arxiv url: http://arxiv.org/abs/2101.10795v1
• Date: Tue, 26 Jan 2021 14:13:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 19:43:44.099647
• Title: Efficient video integrity analysis through container characterization
• Title（参考訳）: コンテナキャラクタリゼーションによる高効率映像完全性解析
• Authors: Pengpeng Yang, Daniele Baracchi, Massimo Iuliani, Dasara Shullani, Rongrong Ni, Yao Zhao, Alessandro Piva
• Abstract要約: 本稿では,ビデオ操作に使用するソフトウェアをコンテナベースで識別する手法を提案する。 提案手法は効率的かつ効果的であり,その決定の簡易な説明も可能である。 プリストインを改ざんされたビデオと区別し、編集ソフトを分類することで97.6%の精度を達成している。
• 参考スコア（独自算出の注目度）: 77.45740041478743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most video forensic techniques look for traces within the data stream that are, however, mostly ineffective when dealing with strongly compressed or low resolution videos. Recent research highlighted that useful forensic traces are also left in the video container structure, thus offering the opportunity to understand the life-cycle of a video file without looking at the media stream itself. In this paper we introduce a container-based method to identify the software used to perform a video manipulation and, in most cases, the operating system of the source device. As opposed to the state of the art, the proposed method is both efficient and effective and can also provide a simple explanation for its decisions. This is achieved by using a decision-tree-based classifier applied to a vectorial representation of the video container structure. We conducted an extensive validation on a dataset of 7000 video files including both software manipulated contents (ffmpeg, Exiftool, Adobe Premiere, Avidemux, and Kdenlive), and videos exchanged through social media platforms (Facebook, TikTok, Weibo and YouTube). This dataset has been made available to the research community. The proposed method achieves an accuracy of 97.6% in distinguishing pristine from tampered videos and classifying the editing software, even when the video is cut without re-encoding or when it is downscaled to the size of a thumbnail. Furthermore, it is capable of correctly identifying the operating system of the source device for most of the tampered videos.
• Abstract（参考訳）: しかし、ほとんどのビデオフォレンジック技術は、強く圧縮または低解像度のビデオを扱うときにほとんど効果がないデータストリーム内のトレースを探します。 最近の研究では、ビデオコンテナ構造にも有用な法医学的痕跡が残っており、メディアストリーム自体を見ることなくビデオファイルのライフサイクルを理解する機会を提供している。 本稿では,映像操作に使用するソフトウェアをコンテナベースで識別する手法と,ほとんどの場合,ソースデバイスのオペレーティングシステムについて述べる。 技術の現状とは対照的に,提案手法は効率的かつ効果的であり,その決定に簡単な説明を与えることもできる。 これはビデオコンテナ構造のベクトル表現に適用された決定木に基づく分類器を用いて達成される。 我々は、ソフトウェア操作コンテンツ(ffmpeg, exiftool, adobe premiere, avidemux, kdenlive)とソーシャルメディアプラットフォーム(facebook, tiktok, weibo, youtube)で交換されたビデオを含む7000のビデオファイルのデータセットの広範な検証を行った。 このデータセットは研究コミュニティに公開されている。 提案手法は,ビデオの再エンコーディングやサムネイルサイズに縮小された場合においても,プリスチンを改ざんされたビデオと区別し,編集ソフトウェアを分類する際に97.6%の精度を実現する。 さらに、改ざんされたビデオのほとんどのためにソースデバイスのオペレーティングシステムを正しく識別することができます。

関連論文リスト

• Authentication and integrity of smartphone videos through multimedia container structure analysis [9.781421596580298]
  本研究は,MP4,MOV,3GPフォーマットビデオに対する攻撃の可能性を検出する新しい手法を提案する。 この提案の目的は、ビデオの完全性を確認し、買収の源を識別し、オリジナルと操作されたビデオの区別を行うことである。
  論文  参考訳（メタデータ） (2024-02-05T22:34:24Z)
• Digital Video Manipulation Detection Technique Based on Compression Algorithms [8.345872075633498]
  本稿では,H.264符号化における圧縮アルゴリズムの解析による法医学的手法を提案する。 Vector Support Machineは、ビデオが圧縮されたかどうかを正確に検出するモデルを作成するために使用される。
  論文  参考訳（メタデータ） (2024-02-03T16:05:27Z)
• Compressed Vision for Efficient Video Understanding [83.97689018324732]
  本稿では,2時間ビデオの処理が可能なハードウェアを用いて,時間長動画の研究を可能にするフレームワークを提案する。 私たちは、JPEGなどの標準的なビデオ圧縮をニューラル圧縮に置き換え、圧縮されたビデオを通常のビデオネットワークへの入力として直接フィードできることを示します。
  論文  参考訳（メタデータ） (2022-10-06T15:35:49Z)
• Speeding Up Action Recognition Using Dynamic Accumulation of Residuals in Compressed Domain [2.062593640149623]
  ビデオ処理アルゴリズムに関して、時間的冗長性と生ビデオの重大性は、最も一般的な2つの問題である。 本稿では,光部分復号処理によって得られる圧縮ビデオで直接利用できる残差データの利用法を提案する。 圧縮された領域に蓄積された残留物にのみニューラルネットワークを適用することで、性能が向上する一方、分類結果は生のビデオアプローチと非常に競合する。
  論文  参考訳（メタデータ） (2022-09-29T13:08:49Z)
• A Coding Framework and Benchmark towards Low-Bitrate Video Understanding [63.05385140193666]
  我々は,従来のコーデックとニューラルネットワーク(NN)の両方を活用する,従来型ニューラル混合符号化フレームワークを提案する。 このフレームワークは、動画の移動効率の良いセマンティック表現を確実に保持することで最適化される。 8つのデータセットに3つのダウンストリームタスクを備えた低ビットレートビデオ理解ベンチマークを構築し、このアプローチの顕著な優位性を実証した。
  論文  参考訳（メタデータ） (2022-02-06T16:29:15Z)
• Transcoded Video Restoration by Temporal Spatial Auxiliary Network [64.63157339057912]
  本稿では,映像復元のための時間空間補助ネットワーク(TSAN)を提案する。 実験の結果,提案手法の性能は従来の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-15T08:10:23Z)
• VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
  VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。 完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。 一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
  論文  参考訳（メタデータ） (2021-09-21T09:07:05Z)
• Forensic Analysis of Video Files Using Metadata [30.216215904150346]
  本稿では,MP4木構造を用いたメタデータ抽出手法について述べる。 本稿では,メタデータから機能を構築する方法を説明し,ビデオファイルの法医学的解析に次元的縮小と近傍の分類を用いる。
  論文  参考訳（メタデータ） (2021-05-13T15:40:39Z)
• COMISR: Compression-Informed Video Super-Resolution [76.94152284740858]
  ウェブやモバイルデバイスのほとんどのビデオは圧縮され、帯域幅が制限されると圧縮は厳しい。 圧縮によるアーティファクトを導入せずに高解像度コンテンツを復元する圧縮インフォームドビデオ超解像モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-04T01:24:44Z)

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。