論文の概要: Image Manipulation Detection by Multi-View Multi-Scale Supervision

• arxiv url: http://arxiv.org/abs/2104.06832v1
• Date: Wed, 14 Apr 2021 13:05:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-15 13:36:21.336453
• Title: Image Manipulation Detection by Multi-View Multi-Scale Supervision
• Title（参考訳）: 多視点マルチスケール監視による画像操作検出
• Authors: Xinru Chen, Chengbo Dong, Jiaqi Ji, Juan Cao, Xirong Li
• Abstract要約: 画像操作検出の主な課題は、新しいデータの操作に敏感な一般化可能な特徴の学習方法である。 本稿では,多視点特徴学習とマルチスケール監視による両面の考察を行う。 我々の思考はMVSS-Netと呼ばれる新しいネットワークによって実現される。
• 参考スコア（独自算出の注目度）: 11.319080833880307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The key challenge of image manipulation detection is how to learn generalizable features that are sensitive to manipulations in novel data, whilst specific to prevent false alarms on authentic images. Current research emphasizes the sensitivity, with the specificity overlooked. In this paper we address both aspects by multi-view feature learning and multi-scale supervision. By exploiting noise distribution and boundary artifact surrounding tampered regions, the former aims to learn semantic-agnostic and thus more generalizable features. The latter allows us to learn from authentic images which are nontrivial to taken into account by current semantic segmentation network based methods. Our thoughts are realized by a new network which we term MVSS-Net. Extensive experiments on five benchmark sets justify the viability of MVSS-Net for both pixel-level and image-level manipulation detection.
• Abstract（参考訳）: 画像操作検出の鍵となる課題は、新しいデータの操作に敏感な一般化可能な特徴を学習する方法である。 現在の研究は、感度を強調し、特異性を見落としている。 本稿では,多視点特徴学習とマルチスケール監視による両面の考察を行う。 タンパー付き領域を囲むノイズ分布と境界アーチファクトを利用することで、前者は意味に依存しない、より一般化可能な特徴を学習することを目指している。 後者では,現在のセマンティックセグメンテーションネットワークに基づく手法で考慮しにくい,真の画像から学習することができる。 我々の思考はMVSS-Netと呼ばれる新しいネットワークによって実現される。 5つのベンチマークセットの大規模な実験により、MVSS-Netはピクセルレベルと画像レベルの操作検出の両方に有効である。

関連論文リスト

• Towards Generic Image Manipulation Detection with Weakly-Supervised Self-Consistency Learning [49.43362803584032]
  本稿では,弱い教師付き画像操作検出を提案する。 このような設定は、より多くのトレーニングイメージを活用することができ、新しい操作テクニックに迅速に適応する可能性がある。 マルチソース整合性(MSC)とパッチ整合性(IPC)の2つの一貫性特性が学習される。
  論文  参考訳（メタデータ） (2023-09-03T19:19:56Z)
• 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)
• Multi-spectral Class Center Network for Face Manipulation Detection and Localization [52.569170436393165]
  顔の操作検出と局所化のための新しいマルチスペクトル・クラス・センター・ネットワーク(MSCCNet)を提案する。 周波数帯域の異なる特徴に基づき、MSCCモジュールはマルチスペクトルクラスセンターを収集し、ピクセル対クラス関係を計算する。 多スペクトルクラスレベルの表現を適用することで、偽画像の操作された領域に敏感な視覚概念の意味情報を抑えることができる。
  論文  参考訳（メタデータ） (2023-05-18T08:09:20Z)
• MSMG-Net: Multi-scale Multi-grained Supervised Metworks for Multi-task Image Manipulation Detection and Localization [1.14219428942199]
  マルチスケール多層深層ネットワーク(MSMG-Net)を提案する。 我々のMSMG-Netでは,並列なマルチスケール特徴抽出構造を用いてマルチスケール特徴抽出を行う。 MSMG-Netはオブジェクトレベルのセマンティクスを効果的に認識し、エッジアーティファクトをエンコードする。
  論文  参考訳（メタデータ） (2022-11-06T14:58:21Z)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• MVSS-Net: Multi-View Multi-Scale Supervised Networks for Image Manipulation Detection [10.594107680952774]
  画像操作検出の鍵となる研究課題は、新しいデータの操作に敏感な一般化可能な特徴の学習方法である。 本稿では,多視点特徴学習とマルチスケール監視による両面の考察を行う。 我々の考えはMVSS-Netと拡張バージョンMVSS-Net++と呼ばれる新しいネットワークによって実現されている。
  論文  参考訳（メタデータ） (2021-12-16T15:01:52Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• Self-supervised Multisensor Change Detection [14.191073951237772]
  両時間衛星画像における自己教師付き変化検出の文脈におけるマルチセンサ分析を再考する。 近年の自己教師あり学習手法の進歩は、その一部が少数の画像で機能することさえ示している。 そこで本研究では,非ラベル対象の二時間画像のみを用いたマルチセンサ変化検出手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:31:10Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)

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。