Fugu-MT 論文翻訳(概要): Effective Image Tampering Localization via Semantic Segmentation Network

論文の概要: Effective Image Tampering Localization via Semantic Segmentation Network

arxiv url: http://arxiv.org/abs/2208.13739v2
Date: Tue, 30 Aug 2022 14:19:27 GMT
ステータス: 処理完了
システム内更新日: 2022-08-31 10:47:50.126968
Title: Effective Image Tampering Localization via Semantic Segmentation Network
Title（参考訳）: セマンティクスセグメンテーションネットワークによる画像の効果的なタンパリング
Authors: Haochen Zhu, Gang Cao, Mo Zhao
Abstract要約: 既存の画像法は、精度と堅牢性の低い課題に直面している。本稿では,ディープセマンティックセグメンテーションネットワークに基づく画像改ざん手法を提案する。
参考スコア（独自算出の注目度）: 0.4297070083645049
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the widespread use of powerful image editing tools, image tampering becomes easy and realistic. Existing image forensic methods still face challenges of low accuracy and robustness. Note that the tampered regions are typically semantic objects, in this letter we propose an effective image tampering localization scheme based on deep semantic segmentation network. ConvNeXt network is used as an encoder to learn better feature representation. The multi-scale features are then fused by Upernet decoder for achieving better locating capability. Combined loss and effective data augmentation are adopted to ensure effective model training. Extensive experimental results confirm that localization performance of our proposed scheme outperforms other state-of-the-art ones.
Abstract（参考訳）: 強力な画像編集ツールが広く使われるようになると、画像の改ざんは簡単でリアルになる。既存の画像法は、精度と堅牢性の低い課題に直面している。タンパー付き領域は一般的にセマンティックオブジェクトであり,本文では,ディープセマンティックセグメンテーションネットワークに基づく効果的な画像タンパー化手法を提案する。 ConvNeXtネットワークは、より優れた特徴表現を学ぶためのエンコーダとして使用される。マルチスケール機能はupernetデコーダによって融合され、より優れた位置決め能力を達成する。効果的なモデルトレーニングを確保するために、損失と効果的なデータ拡張を併用する。実験結果から,提案手法の局所化性能は他の最先端手法よりも優れていたことが確認された。

関連論文リスト

Dense Feature Interaction Network for Image Inpainting Localization [28.028361409524457]
画像の悪質な操作において、画像内容の隠蔽や改ざんに使用することができる。既存の手法は主に基本的なエンコーダ・デコーダ構造に依存しており、多くの場合、偽陽性が多くなる。本稿では,Dense Feature Interaction Network (DeFI-Net) に基づく新しい塗り絵検出手法について述べる。
論文参考訳（メタデータ） (2024-08-05T02:35:13Z)
SeD: Semantic-Aware Discriminator for Image Super-Resolution [20.646975821512395]
Generative Adversarial Networks (GAN) は画像超解像(SR)タスクの鮮やかなテクスチャを復元するために広く利用されている。 1つの識別器を用いて、SRネットワークは、現実の高品質な画像の分布を敵の訓練方法で学習することができる。簡便かつ効果的な意味認識識別器(SeD)を提案する。 SeDは、画像のセマンティクスを条件として導入することにより、SRネットワークにきめ細かい分布の学習を奨励する。
論文参考訳（メタデータ） (2024-02-29T17:38:54Z)
Slicer Networks [8.43960865813102]
医用画像解析のための新しいアーキテクチャであるスライダネットワークを提案する。スライダ・ネットワークは、スプレイティング・ブルーリング・スライシング・プロセスを通じて、機能マップを戦略的に洗練し、アップサンプルする。異なる医療画像アプリケーションにわたる実験により、スライカーネットワークの精度と効率が向上したことが確認された。
論文参考訳（メタデータ） (2024-01-18T09:50:26Z)
Progressive Feedback-Enhanced Transformer for Image Forgery Localization [3.765051882812805]
本稿では,プログレッシブフィードbACkエンハンストランスフォーマー(ProFact)ネットワークを提案する。実世界の法医学的シナリオに近い大規模な画像サンプルを自動的に生成する効果的な手法を提案する。提案するローカライザは,画像フォージェリーのローカライゼーション能力とロバスト性において,最先端のローカライザを大きく上回っている。
論文参考訳（メタデータ） (2023-11-15T12:31:43Z)
Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
論文参考訳（メタデータ） (2022-07-19T14:35:42Z)
Semantic-Aware Generation for Self-Supervised Visual Representation Learning [116.5814634936371]
セマンティック・アウェア・ジェネレーション(SaGe)は、生成した画像に保存される詳細よりも、よりリッチなセマンティクスを促進する。 SaGeは、ターゲットネットワークをビュー特有の特徴で補完することで、集中的なデータ拡張によって引き起こされるセマンティックな劣化を軽減する。我々は、ImageNet-1K上でSaGeを実行し、近接検定、線形分類、微視的画像認識を含む5つの下流タスクで事前訓練されたモデルを評価する。
論文参考訳（メタデータ） (2021-11-25T16:46:13Z)
Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文参考訳（メタデータ） (2021-07-13T02:59:31Z)
Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-11-01T19:24:27Z)
Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
論文参考訳（メタデータ） (2020-03-27T21:45:41Z)
Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。