論文の概要: ReLoc: A Restoration-Assisted Framework for Robust Image Tampering Localization

• arxiv url: http://arxiv.org/abs/2211.03930v1
• Date: Tue, 8 Nov 2022 01:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 17:23:51.158546
• Title: ReLoc: A Restoration-Assisted Framework for Robust Image Tampering Localization
• Title（参考訳）: reloc:ロバストな画像タンパリングのための復元支援フレームワーク
• Authors: Peiyu Zhuang, Haodong Li, Rui Yang, Jiwu Huang
• Abstract要約: 既存の画像改ざんローカライゼーション手法は、改ざんされた画像が後処理を受けると、重大な性能劣化に悩まされる。 本稿では,画像改ざんのための新しい修復支援フレームワーク(ReLoc)を提案する。 提案するフレームワークはJPEG圧縮との戦いによって評価される。
• 参考スコア（独自算出の注目度）: 39.5829416741725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the spread of tampered images, locating the tampered regions in digital images has drawn increasing attention. The existing image tampering localization methods, however, suffer from severe performance degradation when the tampered images are subjected to some post-processing, as the tampering traces would be distorted by the post-processing operations. The poor robustness against post-processing has become a bottleneck for the practical applications of image tampering localization techniques. In order to address this issue, this paper proposes a novel restoration-assisted framework for image tampering localization (ReLoc). The ReLoc framework mainly consists of an image restoration module and a tampering localization module. The key idea of ReLoc is to use the restoration module to recover a high-quality counterpart of the distorted tampered image, such that the distorted tampering traces can be re-enhanced, facilitating the tampering localization module to identify the tampered regions. To achieve this, the restoration module is optimized not only with the conventional constraints on image visual quality but also with a forensics-oriented objective function. Furthermore, the restoration module and the localization module are trained alternately, which can stabilize the training process and is beneficial for improving the performance. The proposed framework is evaluated by fighting against JPEG compression, the most commonly used post-processing. Extensive experimental results show that ReLoc can significantly improve the robustness against JPEG compression. The restoration module in a well-trained ReLoc model is transferable. Namely, it is still effective when being directly deployed with another tampering localization module.
• Abstract（参考訳）: 改ざん画像の普及に伴い,デジタル画像における改ざん領域の配置が注目されている。 しかし、既存の画像改ざんローカライズ手法では、改ざん後の処理によって改ざん跡が歪むため、改ざん後の画像が何らかの後処理を受けると、性能が著しく低下する。 後処理に対するロバスト性は,画像改ざんローカライゼーション技術の実用化のボトルネックとなっている。 この問題に対処するため,本稿では画像改ざんローカライゼーション(reloc)のための復元支援フレームワークを提案する。 ReLocフレームワークは主にイメージ復元モジュールとタンパリングローカライゼーションモジュールで構成されている。 ReLocのキーとなるアイデアは、復元モジュールを使用して、歪んだ改ざんされた画像の高品質な対応を回復し、歪んだ改ざんトレースを再拡張し、改ざんした領域を識別するローカライゼーションモジュールを容易にすることである。 これを実現するために、復元モジュールは、従来の画像品質の制約だけでなく、鑑識指向の客観的機能にも最適化されている。 さらに、復元モジュールとローカライゼーションモジュールとを交互に訓練し、トレーニングプロセスを安定化させ、性能向上に有用である。 提案するフレームワークは、最も一般的に使用される後処理であるJPEG圧縮との戦いによって評価される。 広範な実験結果から,jpeg圧縮に対するロバスト性が大幅に向上することが示された。 十分に訓練されたReLocモデルの復元モジュールは転送可能である。 すなわち、他の改ざんローカライズモジュールと直接デプロイする場合、まだ有効である。

関連論文リスト

• UIR-LoRA: Achieving Universal Image Restoration through Multiple Low-Rank Adaptation [50.27688690379488]
  既存の統合手法は、マルチタスク学習問題として、多重劣化画像復元を扱う。 本稿では,複数のローランクアダプタ(LoRA)をベースとした汎用画像復元フレームワークを提案する。 本フレームワークは, 学習前の生成モデルを多段劣化復元のための共有コンポーネントとして利用し, 特定の劣化画像復元タスクに転送する。
  論文  参考訳（メタデータ） (2024-09-30T11:16:56Z)
• Diff-Restorer: Unleashing Visual Prompts for Diffusion-based Universal Image Restoration [19.87693298262894]
  拡散モデルに基づく普遍的な画像復元手法であるDiff-Restorerを提案する。 我々は、事前学習された視覚言語モデルを用いて、劣化した画像から視覚的プロンプトを抽出する。 また、デグレーション対応デコーダを設計し、構造的補正を行い、潜在コードをピクセル領域に変換する。
  論文  参考訳（メタデータ） (2024-07-04T05:01:10Z)
• Invertible Rescaling Network and Its Extensions [118.72015270085535]
  本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。 我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。 そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
  論文  参考訳（メタデータ） (2022-10-09T06:58:58Z)
• 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)
• Image Restoration using Feature-guidance [43.02281823557039]
  そこで本稿では,画像の劣化の空間的特性と,画像固有の特性を扱うための新しいアプローチを提案する。 修復作業は,分解局所化と劣化地域誘導修復の2段階に分解する。 この補助作業のために訓練されたモデルは、修復ネットワークのトレーニングをガイドするために活用できる重要な地域知識を含んでいることを実証する。
  論文  参考訳（メタデータ） (2022-01-01T13:10:19Z)
• Approaching the Limit of Image Rescaling via Flow Guidance [9.203416129039871]
  本稿では, ダウンスケーリング中に, ダウンスケールされた表現を視覚的に可視な画像に変換し, アップスケーリング中に再変換できる非可逆フロー誘導モジュール(FGM)を提案する。 ダウンスケール画像と再構成画像の両方において、最先端(SotA)のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-11-09T13:17:38Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Learning local regularization for variational image restoration [3.5557219875516655]
  本稿では,一般的な画像復元問題を解決するための局所正規化モデルを学習するためのフレームワークを提案する。 この正規化器は完全な畳み込みニューラルネットワークで定義され、小さな画像パッチに対応する受容野を通して画像を見る。 正規化器は、ワッサーシュタイン生成逆数ネットワークに基づくエネルギーを用いて、クリーンパッチと劣化パッチの未ペア分布を批判するものとして学習される。
  論文  参考訳（メタデータ） (2021-02-11T17:55:08Z)
• Invertible Image Rescaling [118.2653765756915]
  Invertible Rescaling Net (IRN) を開発した。 我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
  論文  参考訳（メタデータ） (2020-05-12T09:55:53Z)

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。