Fugu-MT 論文翻訳(概要): No way to crop: On robust image crop localization

論文の概要: No way to crop: On robust image crop localization

arxiv url: http://arxiv.org/abs/2110.05687v1
Date: Tue, 12 Oct 2021 02:19:42 GMT
ステータス: 処理完了
システム内更新日: 2021-10-14 03:43:51.276245
Title: No way to crop: On robust image crop localization
Title（参考訳）: 収穫の方法がない:堅固な画像作物のローカライゼーションについて
Authors: Qichao Ying, Xiaoxiao Hu, Hang Zhou, Xiangyu Zhang, Zhengxin You and Zhenxing Qian
Abstract要約: 本稿では,ロバストな透かしを用いた画像作物のローカライズ手法を提案する。さらに、攻撃された画像に対する改ざん攻撃を検出するための計画を拡張した。
参考スコア（独自算出の注目度）: 18.714976804821738
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Previous image forensics schemes for crop detection are only limited on predicting whether an image has been cropped. This paper presents a novel scheme for image crop localization using robust watermarking. We further extend our scheme to detect tampering attack on the attacked image. We demonstrate that our scheme is the first to provide high-accuracy and robust image crop localization. Besides, the accuracy of tamper detection is comparable to many state-of-the-art methods.
Abstract（参考訳）: 作物検出のための従来の画像鑑識は、画像が切り取られたかどうかの予測にのみ制限されている。本稿では,ロバストな透かしを用いた画像作物定位手法を提案する。さらに,攻撃画像に対する改ざん攻撃を検知する手法をさらに拡張する。本手法は,高精度かつロバストな画像作物定位を提供する最初の手法であることを示す。さらに、タンパー検出の精度は多くの最先端手法に匹敵する。

関連論文リスト

SWIFT: Semantic Watermarking for Image Forgery Thwarting [12.515429388063534]
我々は、画像キャプションを表す高次元実ベクトルを埋め込んで抽出するために、HiDDeNディープラーニング透かしアーキテクチャを変更した。本手法は良性編集と良性編集の両方において有意に改善する。
論文参考訳（メタデータ） (2024-07-26T09:50:13Z)
Certifiably Robust Image Watermark [57.546016845801134]
ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
論文参考訳（メタデータ） (2024-07-04T17:56:04Z)
Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
論文参考訳（メタデータ） (2023-09-29T18:30:29Z)
Robust Image Protection Countering Cropping Manipulation [30.185576617722713]
本稿では,イメージ・クロップ・ローカライゼーション・リカバリ(CLR-Net)のための新しいロバストな透かし方式を提案する。我々はまず、知覚不能な摂動を導入して元のイメージを保護する。次に、典型的な画像処理後攻撃をシミュレートして、保護されたイメージを消去する。受信者の側では、収穫マスクを予測し、元のイメージを復元する。
論文参考訳（メタデータ） (2022-06-06T07:26:29Z)
Detecting and Localizing Copy-Move and Image-Splicing Forgery [0.0]
本稿では、ディープラーニングと画像変換の両方を用いて、画像が改ざんされているかどうかを検出する方法に焦点を当てる。次に、画像の改ざん領域を特定し、対応するマスクを予測する。結果に基づいて、偽造を検知し識別するより堅牢なフレームワークを実現するための提案とアプローチが提供される。
論文参考訳（メタデータ） (2022-02-08T01:14:30Z)
Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文参考訳（メタデータ） (2021-12-17T15:52:46Z)
SeeTheSeams: Localized Detection of Seam Carving based Image Forgery in Satellite Imagery [15.127101376238418]
シーム彫刻は、コンテンツ認識画像操作の一般的なテクニックである。本稿では,このような画像中のシームの検出と位置決定のための新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-08-28T00:00:37Z)
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)
Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文参考訳（メタデータ） (2021-02-16T17:58:57Z)
Deep Photo Cropper and Enhancer [65.11910918427296]
画像に埋め込まれた画像を収穫する新しいタイプの画像強調問題を提案する。提案手法をディープ・フォト・クリーパーとディープ・イメージ・エンハンサーの2つのディープ・ネットワークに分割した。フォトクロッパーネットワークでは,埋め込み画像の抽出に空間変換器を用いる。フォトエンハンサーでは、埋め込み画像中の画素数を増やすために超解像を用いる。
論文参考訳（メタデータ） (2020-08-03T03:50:20Z)
Robust watermarking with double detector-discriminator approach [0.5330240017302621]
透かしのための新しいディープフレームワーク - コピーからメッセージを取り出す方法として、透過的なメッセージをイメージに埋め込むテクニックを提供する。我々のフレームワークは、攻撃スペクトルに対する堅牢性という文脈において、近年の手法より優れています。また、画像に埋め込みメッセージが含まれているか否かを検知し、識別する手法である二重検出器-識別器のアプローチも提示する。
論文参考訳（メタデータ） (2020-06-06T17:15:45Z)

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。