論文の概要: Metric Learning for Anti-Compression Facial Forgery Detection
- arxiv url: http://arxiv.org/abs/2103.08397v1
- Date: Mon, 15 Mar 2021 14:11:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:05:13.145505
- Title: Metric Learning for Anti-Compression Facial Forgery Detection
- Title（参考訳）: 抗圧縮顔面フォジェリー検出のためのメトリラーニング
- Authors: Shenhao Cao and Qin Zou and Xiuqing Mao and Zhongyuan Wang
- Abstract要約: 新規な抗圧縮顔面フォージェリー検出フレームワークを提案する。
オリジナル版と圧縮版の両方を使って、圧縮に敏感な埋め込み機能空間を学習する。
- 参考スコア（独自算出の注目度）: 32.33501564446107
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Detecting facial forgery images and videos is an increasingly important topic
in multimedia forensics. As forgery images and videos are usually compressed to
different formats such as JPEG and H264 when circulating on the Internet,
existing forgery-detection methods trained on uncompressed data often have
significantly decreased performance in identifying them. To solve this problem,
we propose a novel anti-compression facial forgery detection framework, which
learns a compression-insensitive embedding feature space utilizing both
original and compressed forgeries. Specifically, our approach consists of two
novel ideas: (i) extracting compression-insensitive features from both
uncompressed and compressed forgeries using an adversarial learning strategy;
(ii) learning a robust partition by constructing a metric loss that can reduce
the distance of the paired original and compressed images in the embedding
space. Experimental results demonstrate that, the proposed method is highly
effective in handling both compressed and uncompressed facial forgery images.
- Abstract（参考訳）: 顔の偽造画像やビデオを検出することは、マルチメディアフォレンジックにおいてますます重要なトピックです。
偽造画像や動画は通常、jpegやh264などの異なるフォーマットに圧縮されるため、未圧縮データで訓練された既存の偽造検出手法は、それらの識別性能を著しく低下させる。
そこで本研究では,オリジナル版と圧縮版の両方を用いた圧縮非感受性埋め込み特徴空間を学習する,新しいアンチ圧縮顔偽造検出フレームワークを提案する。
具体的には, (i) 敵対的学習戦略を用いて非圧縮・圧縮フォジェリーから圧縮非感受性な特徴を抽出すること, (ii) 組込み空間における組込み原像と圧縮画像の距離を小さくする指標損失を構築することによって, 堅牢な分割を学習することである。
実験の結果, 提案手法は, 圧縮顔と非圧縮顔の偽画像の両方を扱うのに極めて有効であることがわかった。
関連論文リスト
- Recompression Based JPEG Tamper Detection and Localization Using Deep Neural Network Eliminating Compression Factor Dependency [2.8498944632323755]
本稿では,JPEG画像におけるrepression based forgeryの存在を検出することができる畳み込みニューラルネットワークに基づくディープラーニングアーキテクチャを提案する。
本研究では,リ圧縮機能に基づく画像操作領域のローカライズも目的とする。
論文 参考訳（メタデータ） (2024-07-03T09:19:35Z) - Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。
我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-06T03:03:28Z) - Crowd Counting on Heavily Compressed Images with Curriculum Pre-Training [90.76576712433595]
ディープニューラルネットワークによって処理された画像に損失圧縮を適用することで、大幅な精度低下につながる可能性がある。
カリキュラム学習のパラダイムに着想を得て,圧縮画像の群集カウントのためのカリキュラム事前学習(CPT)と呼ばれる新しいトレーニング手法を提案する。
論文 参考訳（メタデータ） (2022-08-15T08:43:21Z) - SwinIQA: Learned Swin Distance for Compressed Image Quality Assessment [23.87848736166893]
我々は,スウィン距離空間における圧縮画像の知覚的品質を測定するために,フル参照画像品質評価尺度SwinIQAを設計する。
実験の結果,提案手法は従来のCLICデータセットの手法と学習に基づく手法と比較して,人間の知覚的判断との整合性が高いことがわかった。
論文 参考訳（メタデータ） (2022-05-09T13:31:27Z) - Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。
提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文 参考訳（メタデータ） (2022-04-26T01:35:02Z) - Effects of Image Compression on Face Image Manipulation Detection: A
Case Study on Facial Retouching [14.92708078957906]
顔画像操作検出における画像圧縮の影響を分析する。
画像圧縮の影響下での顔面リタッチ検出に関する事例研究を行った。
論文 参考訳（メタデータ） (2021-03-05T13:28:28Z) - Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。
高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文 参考訳（メタデータ） (2020-11-17T20:32:57Z) - What's in the Image? Explorable Decoding of Compressed Images [45.22726784749359]
ユビキタスJPEG標準のための新しいデコーダアーキテクチャを開発し、圧縮された画像の集合をトラバースする。
我々は、グラフィカル、医学的、法医学的なユースケースに関する我々のフレームワークを例示し、その幅広い潜在的な応用を実証する。
論文 参考訳（メタデータ） (2020-06-16T17:15:44Z) - 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。