論文の概要: An Architecture for the detection of GAN-generated Flood Images with Localization Capabilities

• arxiv url: http://arxiv.org/abs/2205.07073v1
• Date: Sat, 14 May 2022 14:23:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-17 17:38:52.685550
• Title: An Architecture for the detection of GAN-generated Flood Images with Localization Capabilities
• Title（参考訳）: 局所化機能を有するGAN生成洪水画像検出のためのアーキテクチャ
• Authors: Jun Wang, Omran Alamayreh, Benedetta Tondi and Mauro Barni
• Abstract要約: 本稿では,検出と局所化の両方を含むハイブリッドなディープラーニングアーキテクチャを提案する。 ローカライゼーションブランチを追加することで、ネットワークが最も関連性の高い画像領域に集中できることがわかった。 提案アーキテクチャの性能は,インターネットからダウンロードした原始洪水画像の2つのデータセットと,ClimateGANが生成したフェイク洪水画像の3つのデータセットで検証した。
• 参考スコア（独自算出の注目度）: 36.85653682256554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we address a new image forensics task, namely the detection of fake flood images generated by ClimateGAN architecture. We do so by proposing a hybrid deep learning architecture including both a detection and a localization branch, the latter being devoted to the identification of the image regions manipulated by ClimateGAN. Even if our goal is the detection of fake flood images, in fact, we found that adding a localization branch helps the network to focus on the most relevant image regions with significant improvements in terms of generalization capabilities and robustness against image processing operations. The good performance of the proposed architecture is validated on two datasets of pristine flood images downloaded from the internet and three datasets of fake flood images generated by ClimateGAN starting from a large set of diverse street images.
• Abstract（参考訳）: 本稿では,ClimateGAN アーキテクチャが生成した偽の洪水画像の検出という,新たな画像法医学的課題に対処する。 我々は,climateganが操作する画像領域の同定に重点を置いた,検出と局所化の両方を含むハイブリッドなディープラーニングアーキテクチャを提案する。 たとえ、フェイクフラッド画像の検出が目的であっても、ローカライズブランチを追加することで、画像処理操作に対する一般化機能と堅牢性の観点から、ネットワークが最も関連性の高い画像領域に集中できることがわかった。 提案アーキテクチャの優れた性能は,インターネットからダウンロードした原始洪水画像の2つのデータセットと,多様な街路画像から始まったClimateGANが生成したフェイク洪水画像の3つのデータセットで検証される。

関連論文リスト

• 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)
• DA-HFNet: Progressive Fine-Grained Forgery Image Detection and Localization Based on Dual Attention [12.36906630199689]
  DA-HFNet鍛造画像データセットをテキストまたは画像支援GANおよび拡散モデルで作成する。 我々のゴールは、階層的なプログレッシブネットワークを使用して、異なるスケールの偽造物を検出およびローカライゼーションするために捕獲することである。
  論文  参考訳（メタデータ） (2024-06-03T16:13:33Z)
• Robust Disaster Assessment from Aerial Imagery Using Text-to-Image Synthetic Data [66.49494950674402]
  航空画像からの損傷評価のタスクのための大規模合成監視を作成する際に,新たなテキスト・画像生成モデルを活用する。 低リソース領域から何千ものポストディスアスター画像を生成するために、効率的でスケーラブルなパイプラインを構築しています。 我々は,xBDおよびSKAI画像のクロスジオグラフィー領域転送設定におけるフレームワークの強度を,単一ソースとマルチソースの両方で検証する。
  論文  参考訳（メタデータ） (2024-05-22T16:07:05Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Level Up the Deepfake Detection: a Method to Effectively Discriminate Images Generated by GAN Architectures and Diffusion Models [0.0]
  プリズム画像と偽画像の専用データセットを収集し,ディープフェイク検出・認識タスクについて検討した。 3つの異なるディープフェイク検出および認識タスクを解決するために階層的マルチレベルアプローチが導入された。 実験の結果, いずれの場合も, 97%以上の分類精度が, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-01T16:01:46Z)
• GLFF: Global and Local Feature Fusion for AI-synthesized Image Detection [29.118321046339656]
  画像全体から複数スケールのグローバルな特徴と、AI合成画像検出のための情報パッチからの洗練されたローカル特徴を組み合わせることで、リッチで差別的な表現を学習するフレームワークを提案する。 GLFFは、マルチスケールの意味的特徴を抽出するグローバルブランチと、詳細なローカルアーティファクト抽出のための情報パッチを選択するローカルブランチの2つのブランチから情報を抽出する。
  論文  参考訳（メタデータ） (2022-11-16T02:03:20Z)
• Joint Learning of Deep Texture and High-Frequency Features for Computer-Generated Image Detection [24.098604827919203]
  本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。 セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。 原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
  論文  参考訳（メタデータ） (2022-09-07T17:30:40Z)
• DAM-GAN : Image Inpainting using Dynamic Attention Map based on Fake Texture Detection [6.872690425240007]
  ダイナミックアテンションマップ(DAM-GAN)を用いたGANモデルを提案する。 提案するDAM-GANは,ジェネレータの特徴マップから画素不整合を減少させるために,偽テクスチャの検出と動的注意マップの製品化に重点を置いている。 CelebA-HQとPlaces2データセットの評価結果は,ネットワークの優位性を示している。
  論文  参考訳（メタデータ） (2022-04-20T13:15:52Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)

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。