論文の概要: GPU-accelerated SIFT-aided source identification of stabilized videos

• arxiv url: http://arxiv.org/abs/2207.14507v1
• Date: Fri, 29 Jul 2022 07:01:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:24:35.428876
• Title: GPU-accelerated SIFT-aided source identification of stabilized videos
• Title（参考訳）: gpuアクセラレーションによる安定映像の音源同定
• Authors: Andrea Montibeller, Cecilia Pasquini, Giulia Boato, Stefano Dell'Anna, Fernando P\'erez-Gonz\'alez
• Abstract要約: 我々は、安定化フレームインバージョンフレームワークにおけるグラフィクス処理ユニット(GPU)の並列化機能を利用する。 我々はSIFT機能を活用することを提案する。 カメラのモーメントを推定し 1%の確率で 時間セグメントを識別します 実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。
• 参考スコア（独自算出の注目度）: 63.084540168532065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video stabilization is an in-camera processing commonly applied by modern acquisition devices. While significantly improving the visual quality of the resulting videos, it has been shown that such operation typically hinders the forensic analysis of video signals. In fact, the correct identification of the acquisition source usually based on Photo Response non-Uniformity (PRNU) is subject to the estimation of the transformation applied to each frame in the stabilization phase. A number of techniques have been proposed for dealing with this problem, which however typically suffer from a high computational burden due to the grid search in the space of inversion parameters. Our work attempts to alleviate these shortcomings by exploiting the parallelization capabilities of Graphics Processing Units (GPUs), typically used for deep learning applications, in the framework of stabilised frames inversion. Moreover, we propose to exploit SIFT features {to estimate the camera momentum and} %to identify less stabilized temporal segments, thus enabling a more accurate identification analysis, and to efficiently initialize the frame-wise parameter search of consecutive frames. Experiments on a consolidated benchmark dataset confirm the effectiveness of the proposed approach in reducing the required computational time and improving the source identification accuracy. {The code is available at \url{https://github.com/AMontiB/GPU-PRNU-SIFT}}.
• Abstract（参考訳）: ビデオ安定化(英: Video stabilization)は、現代の取得装置で一般的に用いられるカメラ内処理である。 映像の視覚的品質は著しく向上するが、このような操作は典型的にはビデオ信号の法医学的解析を妨げることが示されている。 実際、通常、フォトレスポンス非均一性(PRNU)に基づく取得源の正確な識別は、安定化相の各フレームに適用された変換を推定する。 この問題に対処するためのいくつかの手法が提案されているが、一般的には逆パラメータの空間におけるグリッド探索による計算負荷が大きい。 我々の研究は、安定化フレーム反転のフレームワークにおいて、一般的にディープラーニングアプリケーションに使用されるGPU(Graphics Processing Units)の並列化機能を活用することで、これらの欠点を軽減しようと試みている。 さらに,カメラの運動量の推定にsift特徴を活用し,安定性の低い時間セグメントを同定し,より正確な識別分析を可能にし,連続フレームのフレーム毎パラメータ探索を効率的に初期化する。 統合ベンチマークデータセットの実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。 コードは \url{https://github.com/AMontiB/GPU-PRNU-SIFT}} で公開されている。

関連論文リスト

• STAC: Leveraging Spatio-Temporal Data Associations For Efficient Cross-Camera Streaming and Analytics [0.0]
  本稿では,制約されたネットワーク環境下でのリアルタイム解析と推論を実現する,効率的なクロスカメラ監視システムを提案する。 ストリーム特性に対するフレームフィルタリングと最先端圧縮をSTACと統合する。 本研究では,このデータセットを用いてSTAの性能評価を行い,完全性評価のための精度指標と推論率を測定した。
  論文  参考訳（メタデータ） (2024-01-27T04:02:52Z)
• RIGID: Recurrent GAN Inversion and Editing of Real Face Videos [73.97520691413006]
  GANのインバージョンは、実画像に強力な編集可能性を適用するのに不可欠である。 既存のビデオフレームを個別に反転させる手法は、時間の経過とともに望ましくない一貫性のない結果をもたらすことが多い。 我々は、textbfRecurrent vtextbfIdeo textbfGAN textbfInversion and etextbfDiting (RIGID) という統合されたリカレントフレームワークを提案する。 本フレームワークは,入力フレーム間の固有コヒーレンスをエンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2023-08-11T12:17:24Z)
• Fast Full-frame Video Stabilization with Iterative Optimization [21.962533235492625]
  ビデオ安定化のための合成データセットを用いた反復的最適化に基づく学習手法を提案する。 確率的流れ場に基づく2レベル(粗粒度)安定化アルゴリズムを開発した。 そこで本研究では,分割コンカレントアプローチを採用し,フルフレーム安定化ビューをレンダリングするための新しいマルチフレーム融合戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-24T13:24:19Z)
• Towards Interpretable Video Super-Resolution via Alternating Optimization [115.85296325037565]
  低フレームのぼかしビデオから高フレームの高解像度のシャープビデオを生成することを目的とした実時間ビデオ超解法(STVSR)問題について検討する。 本稿では,モデルベースと学習ベースの両方の手法を用いて,解釈可能なSTVSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-21T21:34:05Z)
• rSVDdpd: A Robust Scalable Video Surveillance Background Modelling Algorithm [13.535770763481905]
  本稿では,新しいロバストな特異値分解手法rSVDdpdに基づくビデオ監視背景モデリングアルゴリズムを提案する。 また,提案アルゴリズムは,カメラの改ざんの有無で,ベンチマークデータセットとリアルタイムビデオ監視データセットに優越することを示した。
  論文  参考訳（メタデータ） (2021-09-22T12:20:44Z)
• Neural Re-rendering for Full-frame Video Stabilization [144.9918806873405]
  まず,高密度ワープ場を推定し,フルフレーム映像安定化のためのアルゴリズムを提案する。 フルフレーム安定化フレームは、隣接するフレームから歪んだコンテンツを融合することで合成することができる。
  論文  参考訳（メタデータ） (2021-02-11T18:59:45Z)
• Intrinsic Temporal Regularization for High-resolution Human Video Synthesis [59.54483950973432]
  時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。 フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。 我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
  論文  参考訳（メタデータ） (2020-12-11T05:29:45Z)
• A Backbone Replaceable Fine-tuning Framework for Stable Face Alignment [21.696696531924374]
  そこで本稿では,時空間情報を利用して不正確なランドマークを抑えるジッタロス関数を提案する。 提案手法は安定性評価の指標を40%以上改善する。 モデル全体をリトレーニングすることなく、素早く顔画像のランドマーク検出器を、ビデオのためのより良いパフォーマンスの検出器に変換することができる。
  論文  参考訳（メタデータ） (2020-10-19T13:40:39Z)
• A Modified Fourier-Mellin Approach for Source Device Identification on Stabilized Videos [72.40789387139063]
  マルチメディアの法医学ツールは通常 取得したフレームに カメラセンサーが残した 特徴的なノイズの痕跡を利用する この分析では,カメラを特徴付けるノイズパターンと,解析対象の映像フレームから抽出したノイズパターンを幾何学的に整列させる必要がある。 本稿では,周波数領域におけるスケーリングと回転パラメータの探索により,この制限を克服することを提案する。
  論文  参考訳（メタデータ） (2020-05-20T12:06:40Z)

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。