論文の概要: Analysing Statistical methods for Automatic Detection of Image Forgery
- arxiv url: http://arxiv.org/abs/2111.12661v1
- Date: Wed, 24 Nov 2021 17:48:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-25 15:26:17.558406
- Title: Analysing Statistical methods for Automatic Detection of Image Forgery
- Title（参考訳）: 画像偽造自動検出のための統計的手法の解析
- Authors: Umar Masud, Anupam Agarwal
- Abstract要約: この研究は、画像偽造検出のために手作りの機能を利用するモデルに焦点を当てている。
開発した手法は, クロスデータセット評価や内部操作メディアにおいて良好に動作しないことを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image manipulation and forgery detection have been a topic of research for
more than a decade now. New-age tools and large-scale social platforms have
given space for manipulated media to thrive. These media can be potentially
dangerous and thus innumerable methods have been designed and tested to prove
their robustness in detecting forgery. However, the results reported by
state-of-the-art systems indicate that supervised approaches achieve almost
perfect performance but only with particular datasets. In this work, we analyze
the issue of out-of-distribution generalisability of the current
state-of-the-art image forgery detection techniques through several
experiments. Our study focuses on models that utilise handcrafted features for
image forgery detection. We show that the developed methods fail to perform
well on cross-dataset evaluations and in-the-wild manipulated media. As a
consequence, a question is raised about the current evaluation and
overestimated performance of the systems under consideration. Note: This work
was done during a summer research internship at ITMR Lab, IIIT-Allahabad under
the supervision of Prof. Anupam Agarwal.
- Abstract（参考訳）: 画像操作と偽造検出は、10年以上前から研究の対象となっている。
新世代のツールと大規模ソーシャルプラットフォームは、メディアを操る余地を与えてきた。
これらのメディアは潜在的に危険でありうるため、偽造検出の堅牢性を証明するために無数の手法が設計され、テストされている。
しかし、最先端のシステムによって報告された結果は、教師付きアプローチがほぼ完璧なパフォーマンスを達成していることを示している。
本研究では,現状画像偽造検出技術の分散性に関する課題を,いくつかの実験を通じて解析する。
本研究は,手作り機能を利用した画像偽造検出モデルに焦点をあてる。
本手法は, クロスデータセット評価や実機操作メディアではうまく動作しないことを示す。
その結果,現在検討中のシステムの性能評価と過大評価について疑問が提起された。
注:この研究は、アヌパム・アガルワル教授の監督の下、ITMRラボIIIT-アラーハバードの夏の研究インターンシップ中に行われた。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - A Survey on Deep Learning-based Gaze Direction Regression: Searching for the State-of-the-art [0.0]
本稿では,頭部・眼像からの視線方向ベクトルの回帰に対する深層学習に基づく手法について検討する。
本稿では、入力データ、モデルのアーキテクチャ、モデルの監視に使用される損失関数に焦点をあてた、多数の公開手法について詳述する。
本稿では、視線方向回帰法を訓練し、評価するために使用できるデータセットのリストを示す。
論文 参考訳（メタデータ） (2024-10-22T15:07:07Z) - Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。
我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。
また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
論文 参考訳（メタデータ） (2024-07-19T14:53:18Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
我々は、最先端のOOD検出方法20について詳しく検討する。
不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
論文 参考訳（メタデータ） (2024-04-02T09:40:22Z) - On the Effectiveness of Image Manipulation Detection in the Age of
Social Media [9.227950734832447]
操作検出アルゴリズムは、画像内の他の非干渉領域と十分に異なる'操作された領域に依存していることが多い。
本稿では,ディープラーニングと学習自由な手法の詳細な分析を行い,その性能をベンチマークデータセット上で評価する。
本稿では,操作領域に存在する異常をアクセント化する,ディープラーニングに基づく新しい前処理手法を提案する。
論文 参考訳（メタデータ） (2023-04-19T04:05:54Z) - A sliced-Wasserstein distance-based approach for
out-of-class-distribution detection [8.512840855220178]
本稿では,Rdon Cumulative Distribution Transform (R-CDT) 部分空間からスライスされたワッサーシュタイン距離の分布に基づいて,クラス外分布を検出する手法を提案する。
本手法をMNISTと2つの医用画像データセットで検証し, クラス外分布検出法を使わずに, 最先端の手法よりも精度がよいことを報告した。
論文 参考訳（メタデータ） (2023-02-02T23:03:51Z) - Few-shot Forgery Detection via Guided Adversarial Interpolation [56.59499187594308]
既存の偽造検出手法は、見知らぬ新しい偽造手法に適用した場合、大幅な性能低下に悩まされる。
本稿では,数発の偽造検出問題を克服するために,GAI(Guid Adversarial Interpolation)を提案する。
我々の手法は、多数派と少数派の偽造アプローチの選択に対して堅牢であることが検証されている。
論文 参考訳（メタデータ） (2022-04-12T16:05:10Z) - A Review of Adversarial Attack and Defense for Classification Methods [78.50824774203495]
本稿では,敵対的事例の生成と保護に焦点をあてる。
この論文は、多くの統計学者が、この重要かつエキサイティングな分野において、敵の事例を生成・防御することを奨励するものである。
論文 参考訳（メタデータ） (2021-11-18T22:13:43Z) - Data augmentation and pre-trained networks for extremely low data
regimes unsupervised visual inspection [0.0]
MVTec ADデータセットで利用可能なデータの量を変化させる際に、事前訓練済みの深い特徴に基づく3つのアプローチを比較する。
これらの手法はほとんどの場合、小さなサンプルサイズに対して堅牢であるが、元の画像空間でデータ拡張を使用することで大きなメリットを享受できることが示されている。
論文 参考訳（メタデータ） (2021-06-02T16:37:20Z)
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。