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
- DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - 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) - Cross-Geography Generalization of Machine Learning Methods for
Classification of Flooded Regions in Aerial Images [3.9921541182631253]
本研究は,UAV空中画像中の浸水領域を特定するための2つのアプローチを提案する。
最初のアプローチは、テクスチャベースの教師なしセグメンテーションを使用して、浸水した地域を検出する。
2つ目は、テクスチャ機能に人工ニューラルネットワークを使用して、画像が浸水して浮かばないものとして分類する。
論文 参考訳(メタデータ) (2022-10-04T13:11:44Z) - 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) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z)
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。