論文の概要: Robust Watermarking for Video Forgery Detection with Improved Imperceptibility and Robustness

• arxiv url: http://arxiv.org/abs/2207.03409v1
• Date: Thu, 7 Jul 2022 16:27:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-08 16:56:21.451444
• Title: Robust Watermarking for Video Forgery Detection with Improved Imperceptibility and Robustness
• Title（参考訳）: 視認性とロバスト性を改善したビデオ偽造検出のためのロバスト透かし
• Authors: Yangming Zhou, Qichao Ying, Xiangyu Zhang, Zhenxing Qian, Sheng Li and Xinpeng Zhang
• Abstract要約: 本稿では,ローカライゼーションを改ざんするためのビデオ透かしネットワークを提案する。 我々は3D-UNetベースの透かし埋め込みネットワークと、改ざんマスクを予測するデコーダを共同で訓練する。 実験結果から, 透かしの精度が良好で, 改ざん箇所の精度も高い透かし付き映像が生成できることが示唆された。
• 参考スコア（独自算出の注目度）: 30.611167333725408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Videos are prone to tampering attacks that alter the meaning and deceive the audience. Previous video forgery detection schemes find tiny clues to locate the tampered areas. However, attackers can successfully evade supervision by destroying such clues using video compression or blurring. This paper proposes a video watermarking network for tampering localization. We jointly train a 3D-UNet-based watermark embedding network and a decoder that predicts the tampering mask. The perturbation made by watermark embedding is close to imperceptible. Considering that there is no off-the-shelf differentiable video codec simulator, we propose to mimic video compression by ensembling simulation results of other typical attacks, e.g., JPEG compression and blurring, as an approximation. Experimental results demonstrate that our method generates watermarked videos with good imperceptibility and robustly and accurately locates tampered areas within the attacked version.
• Abstract（参考訳）: ビデオは、意味を変え、視聴者をだます攻撃を改ざんしがちだ。 以前のビデオ偽造検出スキームは、改ざんされたエリアを見つけるための小さな手がかりを見つける。 しかし、攻撃者はビデオ圧縮やぼやけによってそのような手がかりを破壊することで、監督を回避することができる。 本稿では,ローカライゼーションを改ざんするためのビデオ透かしネットワークを提案する。 3d-unetベースの透かし埋め込みネットワークと、改ざんマスクを予測するデコーダを共同で訓練する。 透かしの埋め込みによる摂動は知覚不可能に近い。 既製の微分可能ビデオコーデックシミュレータが存在しないことを考慮し,JPEG圧縮やぼかしといった他の一般的な攻撃のシミュレーション結果を近似として,映像圧縮を再現することを提案する。 実験結果から,攻撃されたバージョン内の改ざん箇所を頑健かつ高精度に検出できる透かし付きビデオが得られた。

関連論文リスト

• SLIC: Secure Learned Image Codec through Compressed Domain Watermarking to Defend Image Manipulation [0.9208007322096533]
  本稿では,画像の信頼性を確保するための新しいアプローチであるSecure Learned Image Codec (SLIC)を紹介する。 SLICは、透かしを潜伏空間の逆の摂動として埋め込み、改ざんした場合、再圧縮時に画質が低下する画像を生成する。 本手法では,ニューラルエンコーダ/デコーダを微調整し,透かしの可視性とロバスト性をバランスさせ,非透かし画像の品質損失を最小限に抑える。
  論文  参考訳（メタデータ） (2024-10-19T11:42:36Z)
• Social Media Authentication and Combating Deepfakes using Semi-fragile Invisible Image Watermarking [6.246098300155482]
  本稿では,メディア認証のために,見えない秘密メッセージを実画像に埋め込む半フレジブルな画像透かし手法を提案する。 提案するフレームワークは,顔の操作や改ざんに対して脆弱であると同時に,画像処理操作や透かし除去攻撃に対して頑健であるように設計されている。
  論文  参考訳（メタデータ） (2024-10-02T18:05:03Z)
• Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
  バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。 本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。 本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2023-09-09T12:46:08Z)
• Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
  Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。 我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。 提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
  論文  参考訳（メタデータ） (2023-06-02T23:29:28Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)
• Detecting Deepfake by Creating Spatio-Temporal Regularity Disruption [94.5031244215761]
  本稿では,実際のビデオにない「規則性破壊」を識別することで,ディープフェイク検出の一般化を促進することを提案する。 具体的には、空間的・時間的特性を慎重に調べることで、擬似フェイク発生器による実映像の破壊を提案する。 このような手法により,フェイクビデオを使わずにディープフェイク検出が可能となり,よりシンプルかつ効率的に一般化能力を向上させることができる。
  論文  参考訳（メタデータ） (2022-07-21T10:42:34Z)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• FaceSigns: Semi-Fragile Neural Watermarks for Media Authentication and Countering Deepfakes [25.277040616599336]
  近年のリアルな画像合成技術やビデオ合成技術の発展により、ディープフェイクやメディアの操作は目覚ましい脅威になりつつある。 本稿では,画像画素に埋め込まれた見えない秘密メッセージを検証することによってメディア認証を可能にする,深層学習に基づく半フレギール透かし手法を提案する。
  論文  参考訳（メタデータ） (2022-04-05T03:29:30Z)
• A Robust Document Image Watermarking Scheme using Deep Neural Network [10.938878993948517]
  本稿では,ディープニューラルネットワークを用いたエンドツーエンドの文書画像透かし方式を提案する。 特に、エンコーダとデコーダは、透かしを埋め込んで抽出するように設計されている。 文字への埋め込み変更を制限するために、テキストセンシティブな損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-02-26T05:28:52Z)
• Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal Attack for DNN Models [72.9364216776529]
  我々は異なる視点から新しい透かし除去攻撃を提案する。 我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。 我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
  論文  参考訳（メタデータ） (2020-09-18T09:14:54Z)

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。