論文の概要: Totems: Physical Objects for Verifying Visual Integrity

• arxiv url: http://arxiv.org/abs/2209.13032v1
• Date: Mon, 26 Sep 2022 21:19:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 15:35:19.589608
• Title: Totems: Physical Objects for Verifying Visual Integrity
• Title（参考訳）: Totems:ビジュアルインテリジェンスを検証する物理オブジェクト
• Authors: Jingwei Ma, Lucy Chai, Minyoung Huh, Tongzhou Wang, Ser-Nam Lim, Phillip Isola, Antonio Torralba
• Abstract要約: 画像法医学における新たなアプローチとして,トーテムと呼ばれる物理的屈折物体を現場に配置し,そのシーンから撮影した写真を保護する。 トーテムは光線を曲げてリダイレクトし、1枚の画像内に複数の歪んだシーンのビューを提供する。 ディフェンダーは、この歪んだトーテムピクセルを使用して、画像が操作されたかどうかを検出することができる。
• 参考スコア（独自算出の注目度）: 68.55682676677046
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce a new approach to image forensics: placing physical refractive objects, which we call totems, into a scene so as to protect any photograph taken of that scene. Totems bend and redirect light rays, thus providing multiple, albeit distorted, views of the scene within a single image. A defender can use these distorted totem pixels to detect if an image has been manipulated. Our approach unscrambles the light rays passing through the totems by estimating their positions in the scene and using their known geometric and material properties. To verify a totem-protected image, we detect inconsistencies between the scene reconstructed from totem viewpoints and the scene's appearance from the camera viewpoint. Such an approach makes the adversarial manipulation task more difficult, as the adversary must modify both the totem and image pixels in a geometrically consistent manner without knowing the physical properties of the totem. Unlike prior learning-based approaches, our method does not require training on datasets of specific manipulations, and instead uses physical properties of the scene and camera to solve the forensics problem.
• Abstract（参考訳）: 画像法医学の新しいアプローチとして,私たちがtotemと呼ぶ物理的屈折物体をシーンに配置し,そのシーンの撮影された写真を保護する。 トーテムは光線を曲げてリダイレクトし、1枚の画像内に複数の歪んだシーンのビューを提供する。 ディフェンダーは、これらの歪んだtotemピクセルを使用して、画像が操作されたかどうかを検出することができる。 我々のアプローチは、風景中の位置を推定し、既知の幾何学的および物質的性質を用いて、トーテムを通過する光線を解き放つ。 トテム保護画像を検証するため、トテム視点から再構成されたシーンとカメラ視点からシーンの外観の不整合を検出する。 このようなアプローチは、敵がtotemの物理的性質を知らずに、totemとイメージピクセルの両方を幾何学的に一貫した方法で修正しなければならないため、敵の操作タスクをより困難にする。 従来の学習手法とは異なり,本手法では特定の操作のデータセットのトレーニングを必要とせず,現場とカメラの物理的特性を用いて法医学的問題を解決する。

関連論文リスト

• A Light Touch Approach to Teaching Transformers Multi-view Geometry [80.35521056416242]
  視覚変換器の多視点幾何学習を支援する「ライトタッチ」手法を提案する。 本研究では,トランスフォーマーのクロスアテンションマップの導出にエピポーラ線を用いる。 従来の方法とは異なり、我々の提案ではテスト時にカメラのポーズ情報を必要としない。
  論文  参考訳（メタデータ） (2022-11-28T07:54:06Z)
• Physically Disentangled Representations [13.234029150635658]
  逆レンダリングは、監督なしで、物理的に歪んだシーンの表現を学ぶために使用することができる。 本稿では,下流クラスタリング,線形分類,セグメンテーションタスクの精度を向上させる学習表現における逆レンダリングの有用性を示す。
  論文  参考訳（メタデータ） (2022-04-11T17:36:40Z)
• Visiting the Invisible: Layer-by-Layer Completed Scene Decomposition [57.088328223220934]
  既存のシーン理解システムは、主にシーンの可視部分を認識し、現実世界の物理的物体の無傷な外観を無視します。 本研究では,ある場面における物体と背景の可視部分と可視部分の両方に取り組む高レベルのシーン理解システムを提案する。
  論文  参考訳（メタデータ） (2021-04-12T11:37:23Z)
• Holistic 3D Scene Understanding from a Single Image with Implicit Representation [112.40630836979273]
  単一の画像から全体的3Dシーン理解のための新しいパイプラインを提示する。 画像に基づく局所構造化暗黙ネットワークを提案し,物体形状推定を改善する。 また,新たな暗黙的なシーングラフニューラルネットワークを用いて3dオブジェクトのポーズとシーンレイアウトを洗練する。
  論文  参考訳（メタデータ） (2021-03-11T02:52:46Z)
• A Simple and Effective Use of Object-Centric Images for Long-Tailed Object Detection [56.82077636126353]
  シーン中心画像における物体検出を改善するために,物体中心画像を活用する。 私たちは、シンプルで驚くほど効果的なフレームワークを提示します。 我々の手法は、レアオブジェクトのオブジェクト検出(およびインスタンスセグメンテーション)の精度を相対的に50%(および33%)向上させることができる。
  論文  参考訳（メタデータ） (2021-02-17T17:27:21Z)
• Face Forgery Detection by 3D Decomposition [72.22610063489248]
  顔画像は、基礎となる3次元幾何学と照明環境の介入の産物とみなす。 顔画像を3次元形状、共通テクスチャ、アイデンティティテクスチャ、周囲光、そして直接光に切り離すことで、悪魔は直接光とアイデンティティテクスチャの中に横たわる。 直接光と識別テクスチャを組み合わせた顔のディテールを,微妙な偽造パターンを検出する手がかりとして活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-19T09:25:44Z)
• Cut-and-Paste Object Insertion by Enabling Deep Image Prior for Reshading [12.710258955529705]
  我々は、ある画像から別の画像にオブジェクトを挿入する方法を示し、ハードケースで現実的な結果を得る。 幾何学的および物理的モデルを必要としない挿入対象物のシェーディング不整合を補正する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T17:59:55Z)

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。