論文の概要: Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization

• arxiv url: http://arxiv.org/abs/2108.12947v1
• Date: Mon, 30 Aug 2021 01:21:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-31 14:51:25.162090
• Title: Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization
• Title（参考訳）: 画像操作検出と局所化のためのJPEG圧縮アーチファクトの学習
• Authors: Myung-Joon Kwon, Seung-Hun Nam, In-Jae Yu, Heung-Kyu Lee, Changick Kim
• Abstract要約: 画像中の内在統計を解析することにより、真正領域と改ざん領域を区別することが不可欠である。 本稿では、圧縮アーティファクトが残る離散コサイン変換(DCT)係数を用いた畳み込みニューラルネットワーク(CNN)による画像操作のローカライズを提案する。 DCT係数の分布を学習するニューラルネットワークの設計と訓練方法を示す。 これは、改ざんされた領域を検出してローカライズする、従来のニューラルネットワークとディープニューラルネットワークベースの手法を著しく上回っている。
• 参考スコア（独自算出の注目度）: 26.36646590957593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting and localizing image manipulation are necessary to counter malicious use of image editing techniques. Accordingly, it is essential to distinguish between authentic and tampered regions by analyzing intrinsic statistics in an image. We focus on JPEG compression artifacts left during image acquisition and editing. We propose a convolutional neural network (CNN) that uses discrete cosine transform (DCT) coefficients, where compression artifacts remain, to localize image manipulation. Standard CNNs cannot learn the distribution of DCT coefficients because the convolution throws away the spatial coordinates, which are essential for DCT coefficients. We illustrate how to design and train a neural network that can learn the distribution of DCT coefficients. Furthermore, we introduce Compression Artifact Tracing Network (CAT-Net) that jointly uses image acquisition artifacts and compression artifacts. It significantly outperforms traditional and deep neural network-based methods in detecting and localizing tampered regions.
• Abstract（参考訳）: 画像編集技術の悪用に対処するためには、画像操作の検出とローカライズが必要である。 したがって、画像中の固有統計を解析することにより、真正領域と改ざん領域を区別することが不可欠である。 画像の取得と編集に残されたJPEG圧縮アーティファクトに焦点を当てる。 本稿では、圧縮アーティファクトが残る離散コサイン変換(DCT)係数を用いた畳み込みニューラルネットワーク(CNN)による画像操作のローカライズを提案する。 標準CNNは、DCT係数に不可欠な空間座標を捨てるため、DCT係数の分布を学習できない。 本稿では,dct係数の分布を学習できるニューラルネットワークの設計と訓練について述べる。 さらに,画像取得アーティファクトと圧縮アーティファクトを併用した圧縮アーティファクト追跡ネットワーク(CAT-Net)を導入する。 これは、改ざんされた領域を検出してローカライズする、従来のニューラルネットワークとディープニューラルネットワークベースの手法を著しく上回る。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• 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)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• A Deep Learning-based Compression and Classification Technique for Whole Slide Histopathology Images [0.31498833540989407]
  我々は、ニューラルネットワークのアンサンブルを構築し、圧縮オートエンコーダを教師付き方式で、入力されたヒストロジー画像のより密度が高くより意味のある表現を維持することができる。 転送学習に基づく分類器を用いて圧縮画像を検証し、有望な精度と分類性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-05-11T22:20:05Z)
• Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
  JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。 周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。 グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-03-05T13:15:28Z)
• Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
  視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。 本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。 実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
  論文  参考訳（メタデータ） (2022-10-26T15:21:39Z)
• Convolutional Neural Network (CNN) to reduce construction loss in JPEG compression caused by Discrete Fourier Transform (DFT) [0.0]
  畳み込みニューラルネットワーク(CNN)は他の多くのディープニューラルネットワークよりも注目されている。 本研究では,オートエンコーダを用いた効率的な画像圧縮手法を提案する。
  論文  参考訳（メタデータ） (2022-08-26T12:46:16Z)
• The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
  既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。 本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。 提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
  論文  参考訳（メタデータ） (2022-03-16T07:55:49Z)
• Joint Global and Local Hierarchical Priors for Learned Image Compression [30.44884350320053]
  近年,従来の手書き画像コーデックと比較して,学習画像圧縮法の性能が向上している。 本稿では,ローカル情報とグローバル情報の両方をコンテンツに依存した方法で活用する,情報変換(Information Transformer, Informer)と呼ばれる新しいエントロピーモデルを提案する。 実験により,Informer はKodak および Tecnick データセットの最先端手法よりも速度歪み性能が向上することを示した。
  論文  参考訳（メタデータ） (2021-12-08T06:17:37Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Less is More: Accelerating Faster Neural Networks Straight from JPEG [1.9214041945441434]
  JPEG圧縮データ処理のための畳み込みニューラルネットワークの高速化方法を示す。 学習戦略を活用し、DCT入力をフル活用し、計算の複雑さを低減します。 その結果、データ駆動方式で全てのdct入力を組み合わせる方法を学ぶことは、手で捨てる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） (2021-04-01T01:21:24Z)

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。