論文の概要: An Overview on the Generation and Detection of Synthetic and Manipulated Satellite Images

• arxiv url: http://arxiv.org/abs/2209.08984v1
• Date: Mon, 19 Sep 2022 13:03:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 19:50:02.409666
• Title: An Overview on the Generation and Detection of Synthetic and Manipulated Satellite Images
• Title（参考訳）: 合成・操作衛星画像の生成と検出に関する概観
• Authors: Lydia Abady, Edoardo Daniele Cannas, Paolo Bestagini, Benedetta Tondi, Stefano Tubaro and Mauro Barni
• Abstract要約: 本稿では,衛星画像の生成と操作について,SOTA(State of the Art)を概観する。 合成衛星画像のスクラッチからの生成と、画像転送技術による衛星画像の意味操作の両方に焦点をあてる。 合成画像の偽造を分類・検出するためにこれまで研究されてきた法医学的検出技術について述べる。
• 参考スコア（独自算出の注目度）: 40.85756821272393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the reduction of technological costs and the increase of satellites launches, satellite images are becoming more popular and easier to obtain. Besides serving benevolent purposes, satellite data can also be used for malicious reasons such as misinformation. As a matter of fact, satellite images can be easily manipulated relying on general image editing tools. Moreover, with the surge of Deep Neural Networks (DNNs) that can generate realistic synthetic imagery belonging to various domains, additional threats related to the diffusion of synthetically generated satellite images are emerging. In this paper, we review the State of the Art (SOTA) on the generation and manipulation of satellite images. In particular, we focus on both the generation of synthetic satellite imagery from scratch, and the semantic manipulation of satellite images by means of image-transfer technologies, including the transformation of images obtained from one type of sensor to another one. We also describe forensic detection techniques that have been researched so far to classify and detect synthetic image forgeries. While we focus mostly on forensic techniques explicitly tailored to the detection of AI-generated synthetic contents, we also review some methods designed for general splicing detection, which can in principle also be used to spot AI manipulate images
• Abstract（参考訳）: 技術コストの削減と衛星打ち上げの増加により、衛星画像はより人気が高まり、入手が容易になっている。 好意的な目的に加えて、衛星データは誤報などの悪意のある理由でも使用できる。 実際、衛星画像は一般的な画像編集ツールに頼って簡単に操作できる。 さらに、様々なドメインに属する現実的な合成画像を生成するディープニューラルネットワーク(dnn)の急増に伴い、合成生成衛星画像の拡散に関する新たな脅威が出現している。 本稿では,衛星画像の生成と操作について,SOTA(State of the Art)を概観する。 特に,scratchからの合成衛星画像の生成と,画像転送技術による衛星画像の意味操作の両方に焦点をあてた。 また,これまで研究されてきた合成画像偽造の分類・検出技術について述べる。 主に、AI生成合成コンテンツの検出に特化した法医学的手法に焦点を当てる一方で、汎用スプライシング検出のために設計されたいくつかの手法についても検討する。

関連論文リスト

• When Synthetic Traces Hide Real Content: Analysis of Stable Diffusion Image Laundering [18.039034362749504]
  近年、高度にリアルな合成画像を作成する方法が大幅に進歩している。 SDオートエンコーダを介して画像を渡すことで、画像の合成コピーを高いリアリズムで再現することができ、視覚的アーティファクトはほとんどない。 このプロセスはSD画像ロンダリング(SD image laundering)と呼ばれ、実際の画像を見た目の合成画像に変換することができ、コンテンツ認証のための法医学的分析を複雑にするリスクがある。
  論文  参考訳（メタデータ） (2024-07-15T14:01:35Z)
• Generating Synthetic Satellite Imagery With Deep-Learning Text-to-Image Models -- Technical Challenges and Implications for Monitoring and Verification [46.42328086160106]
  コンディショニング機構を用いて合成衛星画像の作成方法について検討する。 評価結果は,信頼性と最先端の指標に基づいて評価する。 本稿では,衛星画像の監視と検証の文脈における意義について論じる。
  論文  参考訳（メタデータ） (2024-04-11T14:00:20Z)
• Evaluation of Pre-Trained CNN Models for Geographic Fake Image Detection [20.41074415307636]
  我々は偽の衛星画像の出現を目撃しており、それは誤解を招く可能性があるし、国家の安全を脅かすかもしれない。 衛星画像検出のためのいくつかの畳み込みニューラルネットワーク(CNN)アーキテクチャの適合性について検討する。 この研究により、新たなベースラインの確立が可能となり、偽衛星画像検出のためのCNNベースの手法の開発に有用かもしれない。
  論文  参考訳（メタデータ） (2022-10-01T20:37:24Z)
• Unsupervised Discovery of Semantic Concepts in Satellite Imagery with Style-based Wavelet-driven Generative Models [27.62417543307831]
  本稿では,衛星画像の広帯域合成が可能な,最初の事前学習型およびウェーブレット型GANモデルを提案する。 ネットワークの中間的アクティベーションを解析することにより、解釈可能なセマンティックな方向を多数発見できることが示される。
  論文  参考訳（メタデータ） (2022-08-03T14:19:24Z)
• Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
  Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。 本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:29:04Z)
• Splicing Detection and Localization In Satellite Imagery Using Conditional GANs [26.615687071827576]
  本稿では,衛星画像中のスプリケートされた偽物を特定するために,条件付き生成支援ネットワーク(cGAN)の利用について述べる。 本手法は,これらの検出と位置決めの目的において高い成功を収める。
  論文  参考訳（メタデータ） (2022-05-03T22:25:48Z)
• Transformer-based SAR Image Despeckling [53.99620005035804]
  本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。 提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。 実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2022-01-23T20:09:01Z)
• Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images [54.44842669325082]
  本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。 低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。 本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
  論文  参考訳（メタデータ） (2020-08-03T13:55:39Z)
• 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)

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。