論文の概要: Amplitude SAR Imagery Splicing Localization
- arxiv url: http://arxiv.org/abs/2201.02409v1
- Date: Fri, 7 Jan 2022 11:42:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 15:34:26.346750
- Title: Amplitude SAR Imagery Splicing Localization
- Title（参考訳）: 振幅SAR画像の局所化
- Authors: Edoardo Daniele Cannas, Nicol\`o Bonettini, Sara Mandelli, Paolo
Bestagini, Stefano Tubaro
- Abstract要約: 本稿では,局所化に伴う振幅SAR画像の問題点について検討する。
我々は、畳み込みニューラルネットワーク(CNN)を用いて、解析された入力の処理トレースにおける不整合を強調した指紋を抽出する。
提案手法は,SAR信号の性質に適合し,自然画像のために開発された最先端の法医学ツールよりも優れた性能が得られることを示す。
- 参考スコア（独自算出の注目度）: 17.075910584827568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthetic Aperture Radar (SAR) images are a valuable asset for a wide variety
of tasks. In the last few years, many websites have been offering them for free
in the form of easy to manage products, favoring their widespread diffusion and
research work in the SAR field. The drawback of these opportunities is that
such images might be exposed to forgeries and manipulations by malicious users,
raising new concerns about their integrity and trustworthiness. Up to now, the
multimedia forensics literature has proposed various techniques to localize
manipulations in natural photographs, but the integrity assessment of SAR
images was never investigated. This task poses new challenges, since SAR images
are generated with a processing chain completely different from that of natural
photographs. This implies that many forensics methods developed for natural
images are not guaranteed to succeed. In this paper, we investigate the problem
of amplitude SAR imagery splicing localization. Our goal is to localize regions
of an amplitude SAR image that have been copied and pasted from another image,
possibly undergoing some kind of editing in the process. To do so, we leverage
a Convolutional Neural Network (CNN) to extract a fingerprint highlighting
inconsistencies in the processing traces of the analyzed input. Then, we
examine this fingerprint to produce a binary tampering mask indicating the
pixel region under splicing attack. Results show that our proposed method,
tailored to the nature of SAR signals, provides better performances than
state-of-the-art forensic tools developed for natural images.
- Abstract（参考訳）: SAR(Synthetic Aperture Radar)画像は、様々なタスクに有用な資産である。
ここ数年、多くのwebサイトが製品を管理しやすい形で無料で提供し、sar分野で広く普及し研究活動を行っている。
これらの機会の欠点は、こうした画像が悪意のあるユーザーによる偽造や操作にさらされる可能性があることである。
これまで、マルチメディア鑑識文献は自然写真の操作を局所化する様々な手法を提案してきたが、sar画像の完全性評価は調査されなかった。
この課題は、SAR画像が自然な写真とは全く異なる処理チェーンで生成されるため、新しい課題をもたらす。
これは、自然画像のために開発された多くの法医学的手法が成功を保証されていないことを意味する。
本稿では,振幅sar画像スプライシングの局所化問題について検討する。
我々のゴールは、別の画像からコピー・ペーストされた振幅SAR画像の領域をローカライズすることであり、その過程で何らかの編集を行う可能性がある。
そこで,畳み込みニューラルネットワーク(cnn)を用いて,解析された入力の処理トレースにおける不整合を強調する指紋を抽出する。
次に,この指紋を調べ,スプライシング攻撃時の画素領域を示す2値の改ざんマスクを作成する。
提案手法は,SAR信号の性質に合わせて,自然画像のための最先端の法医学ツールよりも優れた性能を提供する。
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) - 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) - Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。
CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
論文 参考訳（メタデータ） (2024-07-29T18:00:10Z) - Hiding Local Manipulations on SAR Images: a Counter-Forensic Attack [17.78894837783128]
オンラインポータルを通じてSAR(Synthetic Aperture Radar)画像の膨大なアクセシビリティが、様々な分野の研究を推進している。
脆弱性は、元の複雑な性質にもかかわらず、ほとんどのSAR製品が振幅のみの情報としてリリースされることによってさらに強調される。
本稿では,SARデータの複雑な性質を利用して,局所的に変化する振幅画像内の操作の兆候を隠蔽できることを実証する。
論文 参考訳（メタデータ） (2024-07-09T17:03:57Z) - Rethinking the Up-Sampling Operations in CNN-based Generative Network
for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。
tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。
この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文 参考訳（メタデータ） (2023-12-16T14:27:06Z) - Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。
提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。
生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文 参考訳（メタデータ） (2023-10-09T10:22:08Z) - Exposing Image Splicing Traces in Scientific Publications via Uncertainty-guided Refinement [30.698359275889363]
画像操作の疑いのある科学出版物の急増は、多くの撤回につながった。
画像スプライシング検出は、参照画像の欠如と典型的には小さな改ざんされた領域のため、より困難である。
本稿では,破壊要因の影響を軽減するために,不確実性誘導型リファインメントネットワーク(URN)を提案する。
論文 参考訳（メタデータ） (2023-09-28T12:36:12Z) - Splicing Detection and Localization In Satellite Imagery Using
Conditional GANs [26.615687071827576]
本稿では,衛星画像中のスプリケートされた偽物を特定するために,条件付き生成支援ネットワーク(cGAN)の利用について述べる。
本手法は,これらの検出と位置決めの目的において高い成功を収める。
論文 参考訳（メタデータ） (2022-05-03T22:25:48Z) - Transformer-based SAR Image Despeckling [53.99620005035804]
本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。
提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。
実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
論文 参考訳（メタデータ） (2022-01-23T20:09:01Z) - Fighting Deepfake by Exposing the Convolutional Traces on Images [0.0]
FACEAPPのようなモバイルアプリは、最も高度なGAN(Generative Adversarial Networks)を使用して、人間の顔写真に極端な変換を生成する。
この種のメディアオブジェクトはDeepfakeという名前を取って、マルチメディアの法医学分野における新たな課題であるDeepfake検出課題を提起した。
本稿では,画像からディープフェイク指紋を抽出する手法を提案する。
論文 参考訳（メタデータ） (2020-08-07T08:49:23Z) - Speckle2Void: Deep Self-Supervised SAR Despeckling with Blind-Spot
Convolutional Neural Networks [30.410981386006394]
切り離しはシーン分析アルゴリズムの 重要な予備段階です
ディープラーニングの最近の成功は、新しい世代の非仕様化技術が想定されている。
本稿では,自己教師型ベイズ解法を提案する。
論文 参考訳（メタデータ） (2020-07-04T11:38:48Z)
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。