論文の概要: Active Image Indexing

• arxiv url: http://arxiv.org/abs/2210.10620v1
• Date: Wed, 5 Oct 2022 17:55:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 20:25:20.711566
• Title: Active Image Indexing
• Title（参考訳）: アクティブ画像インデクシング
• Authors: Pierre Fernandez, Matthijs Douze, Herv\'e J\'egou, Teddy Furon
• Abstract要約: 本稿では,能動インデックス化による画像コピー検出のロバスト性の向上について述べる。 我々は、画像が解放される前に、画像に知覚不可能な変化を加えることにより、所定の画像表現の量子化損失を低減する。 実験により, アクティベート画像の検索とコピー検出が大幅に改善された。
• 参考スコア（独自算出の注目度）: 26.33727468288776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image copy detection and retrieval from large databases leverage two components. First, a neural network maps an image to a vector representation, that is relatively robust to various transformations of the image. Second, an efficient but approximate similarity search algorithm trades scalability (size and speed) against quality of the search, thereby introducing a source of error. This paper improves the robustness of image copy detection with active indexing, that optimizes the interplay of these two components. We reduce the quantization loss of a given image representation by making imperceptible changes to the image before its release. The loss is back-propagated through the deep neural network back to the image, under perceptual constraints. These modifications make the image more retrievable. Our experiments show that the retrieval and copy detection of activated images is significantly improved. For instance, activation improves by $+40\%$ the Recall1@1 on various image transformations, and for several popular indexing structures based on product quantization and locality sensitivity hashing.
• Abstract（参考訳）: 大規模なデータベースからの画像コピーの検出と検索は2つのコンポーネントを利用する。 まず、ニューラルネットワークは、画像の様々な変換に対して比較的堅牢なベクトル表現に画像をマッピングする。 第二に、効率的だが近似的な類似性検索アルゴリズムは、検索の質とスケーラビリティ(サイズと速度)を交換し、エラーの原因を導入する。 本稿では,この2つのコンポーネントの相互作用を最適化するアクティブインデックスによる画像コピー検出の堅牢性を改善する。 画像の公開前に画像に不可避な変更を加えることにより、所定の画像表現の量子化損失を低減する。 この損失は、知覚的制約の下で、ディープニューラルネットワークからイメージにバックプロパガンダされる。 これらの変更により、画像の検索がより容易になる。 実験により,活性画像の検索とコピー検出が大幅に改善された。 例えば、アクティベーションは様々な画像変換で$40\%$のrecall1@1と、製品量子化と局所性感度ハッシュに基づくいくつかの人気のあるインデックス構造によって改善される。

関連論文リスト

• Recompression Based JPEG Tamper Detection and Localization Using Deep Neural Network Eliminating Compression Factor Dependency [2.8498944632323755]
  本稿では,JPEG画像におけるrepression based forgeryの存在を検出することができる畳み込みニューラルネットワークに基づくディープラーニングアーキテクチャを提案する。 本研究では,リ圧縮機能に基づく画像操作領域のローカライズも目的とする。
  論文  参考訳（メタデータ） (2024-07-03T09:19:35Z)
• Shrinking the Semantic Gap: Spatial Pooling of Local Moment Invariants for Copy-Move Forgery Detection [7.460203098159187]
  Copy-move forgeryは、特定のパッチをコピー&ペーストして画像に貼り付ける操作で、潜在的に違法または非倫理的使用がある。 コピー・ムーブ・フォージェリーの法医学的手法の進歩は,検出精度とロバスト性の向上に寄与している。 自己相似性が高い画像や強い信号の破損のある画像の場合、既存のアルゴリズムはしばしば非効率なプロセスと信頼性の低い結果を示す。
  論文  参考訳（メタデータ） (2022-07-19T09:11:43Z)
• Unsupervised Change Detection Based on Image Reconstruction Loss [6.604255432427447]
  ラベルのない単一時間画像のみを用いた画像再構成損失に基づく教師なしの変更検出を提案する。 変化検出装置は,1つの時間的単一ソース画像のみを使用しても,様々な変化検出ベンチマークデータセットにおいて顕著な性能を示した。
  論文  参考訳（メタデータ） (2022-04-04T01:40:34Z)
• RestoreDet: Degradation Equivariant Representation for Object Detection in Low Resolution Images [81.91416537019835]
  劣化した低解像度画像中のオブジェクトを検出するための新しいフレームワークであるRestoreDetを提案する。 CenterNetをベースとした本フレームワークは, 既存手法と比較して, 異種劣化状況に直面する場合に比べ, 優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-01-07T03:40:23Z)
• Contextual Similarity Aggregation with Self-attention for Visual Re-ranking [96.55393026011811]
  本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。 提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
  論文  参考訳（メタデータ） (2021-10-26T06:20:31Z)
• Compact Binary Fingerprint for Image Copy Re-Ranking [0.0]
  画像コピー検出はコンピュータビジョンと信号処理において困難で魅力的なトピックである。 SIFTなどのローカルキーポイントディスクリプタを使用して画像を表現する。 特徴量を定量化し、精度の低下を犠牲にして、大規模データベースに対して探索・マッチングを可能にする。
  論文  参考訳（メタデータ） (2021-09-16T08:44:56Z)
• NAS-DIP: Learning Deep Image Prior with Neural Architecture Search [65.79109790446257]
  近年の研究では、深部畳み込みニューラルネットワークの構造が、以前に構造化された画像として利用できることが示されている。 我々は,より強い画像の先行を捉えるニューラルネットワークの探索を提案する。 既存のニューラルネットワーク探索アルゴリズムを利用して,改良されたネットワークを探索する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:36Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)
• Pyramid Attention Networks for Image Restoration [124.34970277136061]
  自己相似性(Self-similarity)とは、画像復元アルゴリズムで広く使われる画像を指す。 近年の深層畳み込みニューラルネットワークによる画像復元手法は, 自己相似性を十分に活用していない。 画像復元のための新しいピラミッドアテンションモジュールを提案し,マルチスケール特徴ピラミッドから長距離特徴対応をキャプチャする。
  論文  参考訳（メタデータ） (2020-04-28T21:12:36Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)
• Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
  Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。 証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。 本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-13T22:01:24Z)

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。