論文の概要: Comprint: Image Forgery Detection and Localization using Compression Fingerprints

• arxiv url: http://arxiv.org/abs/2210.02227v1
• Date: Wed, 5 Oct 2022 13:05:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 13:36:08.588777
• Title: Comprint: Image Forgery Detection and Localization using Compression Fingerprints
• Title（参考訳）: 圧縮フィンガープリントを用いた画像偽造検出と位置決め
• Authors: Hannes Mareen, Dante Vanden Bussche, Fabrizio Guillaro, Davide Cozzolino, Glenn Van Wallendael, Peter Lambert, Luisa Verdoliva
• Abstract要約: Comprintは、圧縮指紋またはコンプリントに基づく、新しい偽造検出および位置決め方法である。 補足型カメラモデル指紋を用いたComprintと最先端のノイズプリントの融合を提案する。 ComprintとFusion Comprint+Noiseprintは、Wildで改ざんされた画像を分析するための有望な法医学ツールだ。
• 参考スコア（独自算出の注目度）: 19.54952278001317
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manipulation tools that realistically edit images are widely available, making it easy for anyone to create and spread misinformation. In an attempt to fight fake news, forgery detection and localization methods were designed. However, existing methods struggle to accurately reveal manipulations found in images on the internet, i.e., in the wild. That is because the type of forgery is typically unknown, in addition to the tampering traces being damaged by recompression. This paper presents Comprint, a novel forgery detection and localization method based on the compression fingerprint or comprint. It is trained on pristine data only, providing generalization to detect different types of manipulation. Additionally, we propose a fusion of Comprint with the state-of-the-art Noiseprint, which utilizes a complementary camera model fingerprint. We carry out an extensive experimental analysis and demonstrate that Comprint has a high level of accuracy on five evaluation datasets that represent a wide range of manipulation types, mimicking in-the-wild circumstances. Most notably, the proposed fusion significantly outperforms state-of-the-art reference methods. As such, Comprint and the fusion Comprint+Noiseprint represent a promising forensics tool to analyze in-the-wild tampered images.
• Abstract（参考訳）: リアルに画像を編集する操作ツールは広く利用されており、誰でも誤情報を作成・拡散できる。 偽ニュースに対抗するために、偽造検出とローカライズ手法が設計された。 しかし、既存の手法では、インターネット上の画像、すなわち野生の画像を正確に表現することは困難である。 これは、改ざん跡が再圧縮によって損傷されるのに加えて、偽造のタイプが通常不明であるからである。 本稿では,圧縮指紋やコンプリントに基づく新しい偽造検出手法であるComprintを提案する。 プリスタンデータのみに基づいてトレーニングされ、さまざまなタイプの操作を検出するための一般化を提供する。 さらに,補完カメラモデル指紋を用いたComprintと最先端のノイズプリントの融合を提案する。 我々は,広範に実験を行い,comprintが様々な操作型を表現する5つの評価データセットにおいて,実環境を模倣した高い精度を持つことを示す。 最も注目すべきは、提案された融合が最先端の参照メソッドを大幅に上回っていることだ。 このように、comprintとfusion comprint+noiseprintは、野生の改ざん画像を分析するための有望な鑑識ツールである。

関連論文リスト

• RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
  本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。 提案手法は,低複雑性で有効かつ堅牢である。
  論文  参考訳（メタデータ） (2023-08-18T04:05:18Z)
• 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)
• TruFor: Leveraging all-round clues for trustworthy image forgery detection and localization [17.270110456445806]
  TruForは、さまざまなイメージ操作方法に適用可能な、法医学的なフレームワークである。 変換器をベースとした融合アーキテクチャにより,高レベルのトレースと低レベルのトレースの両方を抽出する。 当社の手法は,安価なフェイクとディープフェイク操作の両方を確実に検出し,ローカライズすることができる。
  論文  参考訳（メタデータ） (2022-12-21T11:49:43Z)
• Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection [115.83992775004043]
  近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。 本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
  論文  参考訳（メタデータ） (2022-12-12T02:54:08Z)
• Training Data Improvement for Image Forgery Detection using Comprint [15.650121802816878]
  ComprintはJPEG圧縮指紋を利用した偽造検出を可能にする。 本稿では,トレーニングセットがComprintのパフォーマンスに与える影響を評価する。
  論文  参考訳（メタデータ） (2022-11-25T12:57:51Z)
• ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
  画像操作の検出とローカライズを行うObjectFormerを提案する。 画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。 各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-03-28T12:27:34Z)
• VIPPrint: A Large Scale Dataset of Printed and Scanned Images for Synthetic Face Images Detection and Source Linking [26.02960434287235]
  本稿では,多数の合成顔画像と天然顔画像からなる新しいデータセットを提案する。 印刷およびスキャン画像に適用すると、自然顔画像と合成顔画像を区別する最先端の方法が失敗することを確認します。
  論文  参考訳（メタデータ） (2021-02-01T13:00:29Z)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)
• Artificial Fingerprinting for Generative Models: Rooting Deepfake Attribution in Training Data [64.65952078807086]
  光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。 しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。 我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
  論文  参考訳（メタデータ） (2020-07-16T16:49:55Z)
• Printing and Scanning Attack for Image Counter Forensics [11.193867567895353]
  画像の真正性を調べることは、操作ツールがよりアクセスしやすく、進歩するにつれて、ますます重要になっている。 近年の研究では、CNNをベースとした画像検出装置は操作の特定に成功しているが、敵の攻撃にも弱いことが示されている。 我々は、印刷とスキャンという、非常に確実な攻撃方法を探究する。
  論文  参考訳（メタデータ） (2020-04-27T00:32:15Z)

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。