論文の概要: Image Splicing Detection, Localization and Attribution via JPEG Primary
Quantization Matrix Estimation and Clustering
- arxiv url: http://arxiv.org/abs/2102.01439v1
- Date: Tue, 2 Feb 2021 11:21:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-03 21:13:15.485211
- Title: Image Splicing Detection, Localization and Attribution via JPEG Primary
Quantization Matrix Estimation and Clustering
- Title(参考訳): JPEGプライマリ量子化行列推定とクラスタリングによる画像スプライシング検出, 局在化, 属性化
- Authors: Yakun Niu, Benedetta Tondi, Yao Zhao, Rongrong Ni and Mauro Barni
- Abstract要約: 画像領域の異なる2つのJPEGアーチファクトの不整合の検出は、しばしば局所的な画像操作を検出するために使用される。
ドナー画像の異なる領域を識別するエンド・ツー・エンドシステムを提案する。
- 参考スコア(独自算出の注目度): 49.75353434786065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detection of inconsistencies of double JPEG artefacts across different image
regions is often used to detect local image manipulations, like image splicing,
and to localize them. In this paper, we move one step further, proposing an
end-to-end system that, in addition to detecting and localizing spliced
regions, can also distinguish regions coming from different donor images. We
assume that both the spliced regions and the background image have undergone a
double JPEG compression, and use a local estimate of the primary quantization
matrix to distinguish between spliced regions taken from different sources. To
do so, we cluster the image blocks according to the estimated primary
quantization matrix and refine the result by means of morphological
reconstruction. The proposed method can work in a wide variety of settings
including aligned and non-aligned double JPEG compression, and regardless of
whether the second compression is stronger or weaker than the first one. We
validated the proposed approach by means of extensive experiments showing its
superior performance with respect to baseline methods working in similar
conditions.
- Abstract(参考訳): 異なる画像領域にわたる二重JPEGアーティファクトの不整合の検出は、画像スプライシングのような局所的な画像操作を検出し、それらをローカライズするためにしばしば使用される。
本稿では,スプライシング領域の検出と局所化に加えて,異なるドナー画像から得られる領域を識別するエンド・ツー・エンドシステムを提案する。
分割された領域と背景画像の両方が二重JPEG圧縮されていると仮定し、一次量子化行列の局所推定を用いて異なるソースから抽出されたスプライシング領域を区別する。
そこで,推定された一次量子化行列に従って画像ブロックをクラスタリングし,形態的再構成により精度を向上させる。
提案手法は,第2の圧縮が第1の圧縮よりも強いか弱いかに関わらず,アライメントと非アライメントの2つのJPEG圧縮を含む多種多様な設定で動作可能である。
類似条件下でのベースライン法に対して優れた性能を示す広範な実験により,提案手法を検証した。
関連論文リスト
- High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
JPEGアーチファクト修正のための異なるパラダイムを提案する。
我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。
我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
論文 参考訳(メタデータ) (2022-11-21T19:47:59Z) - Boosting Few-shot Fine-grained Recognition with Background Suppression
and Foreground Alignment [53.401889855278704]
FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。
本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。
複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
論文 参考訳(メタデータ) (2022-10-04T07:54:40Z) - Smooth image-to-image translations with latent space interpolations [64.8170758294427]
マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。
我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
論文 参考訳(メタデータ) (2022-10-03T11:57:30Z) - Dual-Flow Transformation Network for Deformable Image Registration with
Region Consistency Constraint [95.30864269428808]
現在のディープラーニング(DL)ベースの画像登録アプローチは、畳み込みニューラルネットワークを利用して、ある画像から別の画像への空間変換を学習する。
一対のイメージ内のROIの類似性を最大化する領域整合性制約を持つ新しいデュアルフロー変換ネットワークを提案する。
4つの公開3次元MRIデータセットを用いた実験により,提案手法は精度と一般化において最高の登録性能が得られることを示した。
論文 参考訳(メタデータ) (2021-12-04T05:30:44Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳(メタデータ) (2021-04-29T17:49:48Z) - Q-matrix Unaware Double JPEG Detection using DCT-Domain Deep BiLSTM
Network [15.927832064514266]
本論文では, JPEG画像から量子化されたDCT係数を, 画素領域で減圧することなく直接抽出する。
提案手法は, 比較的大規模かつ多種多様な公開データセットにおいて, 単一および二重圧縮パッチのベースラインメソッドを上回っている。
論文 参考訳(メタデータ) (2021-04-10T13:41:29Z) - Boosting CNN-based primary quantization matrix estimation of double JPEG
images via a classification-like architecture [14.216829750046099]
二重JPEG圧縮画像の一次量子化行列の推定は、画像法医学において重要な問題である。
本稿では,シミル分類アーキテクチャを用いて推定を行う深層学習手法を提案する。
その結果,最先端技術と比較して,提案手法の優れた性能が確認された。
論文 参考訳(メタデータ) (2020-12-01T13:20:11Z) - GAIT: Gradient Adjusted Unsupervised Image-to-Image Translation [5.076419064097734]
対向損失を利用して、翻訳された画像セットと対象画像セットの分布を一致させる。
これにより、2つの領域が例えば一様領域において異なる辺分布を持つようなアーティファクトが生成される。
本稿では,翻訳後の一様領域を保存する教師なしIITを提案する。
論文 参考訳(メタデータ) (2020-09-02T08:04:00Z) - Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。
エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。
ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文 参考訳(メタデータ) (2020-02-17T07:35:08Z)
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。