論文の概要: TBFormer: Two-Branch Transformer for Image Forgery Localization

• arxiv url: http://arxiv.org/abs/2302.13004v1
• Date: Sat, 25 Feb 2023 06:45:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 19:23:54.041822
• Title: TBFormer: Two-Branch Transformer for Image Forgery Localization
• Title（参考訳）: TBFormer:イメージフォージェリーローカライゼーションのための2分岐トランス
• Authors: Yaqi Liu, Binbin Lv, Xin Jin, Xiaoyu Chen, and Xiaokun Zhang
• Abstract要約: Image forgery Localization は、高品質な識別特徴から微妙な痕跡を捉え、偽領域を識別することを目的としている。 画像フォージェリーローカライゼーションのための2つの特徴抽出分岐を持つTransformerスタイルのネットワークを提案し,その名前をTwo-Branch Transformer(TBFormer)と呼ぶ。
• 参考スコア（独自算出の注目度）: 14.105013142339704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image forgery localization aims to identify forged regions by capturing subtle traces from high-quality discriminative features. In this paper, we propose a Transformer-style network with two feature extraction branches for image forgery localization, and it is named as Two-Branch Transformer (TBFormer). Firstly, two feature extraction branches are elaborately designed, taking advantage of the discriminative stacked Transformer layers, for both RGB and noise domain features. Secondly, an Attention-aware Hierarchical-feature Fusion Module (AHFM) is proposed to effectively fuse hierarchical features from two different domains. Although the two feature extraction branches have the same architecture, their features have significant differences since they are extracted from different domains. We adopt position attention to embed them into a unified feature domain for hierarchical feature investigation. Finally, a Transformer decoder is constructed for feature reconstruction to generate the predicted mask. Extensive experiments on publicly available datasets demonstrate the effectiveness of the proposed model.
• Abstract（参考訳）: Image forgery Localization は、高品質な識別特徴から微妙な痕跡を捉え、偽領域を識別することを目的としている。 本稿では,イメージフォージェリーローカライゼーションのための2つの特徴抽出分岐を持つTransformerスタイルのネットワークを提案し,その名称をTwo-Branch Transformer(TBFormer)と呼ぶ。 まず,rgbとノイズ領域の両方の特徴を識別可能なスタック化トランス層を利用して,2つの特徴抽出ブランチを精巧に設計する。 次に,2つの異なる領域から階層的特徴を効果的に融合するために,階層的特徴融合モジュール (ahfm) を提案する。 2つの特徴抽出ブランチは同じアーキテクチャであるが、それらの特徴は異なるドメインから抽出されるため、大きく異なる。 階層的特徴調査のための統合機能ドメインにそれらを組み込むために,位置対応を採用します。 最後に、特徴再構成のためにトランスフォーマーデコーダを構築し、予測マスクを生成する。 公開されているデータセットに対する大規模な実験は、提案モデルの有効性を示す。

関連論文リスト

• A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
  既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。 本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
  論文  参考訳（メタデータ） (2024-08-31T10:03:19Z)
• DocBinFormer: A Two-Level Transformer Network for Effective Document Image Binarization [17.087982099845156]
  文書のバイナライゼーションは、あらゆる文書分析タスクにおいて最も最適なパフォーマンスを達成するための基本的で重要なステップである。 文書画像の効果的なバイナライゼーションのための視覚変換器をベースとした新しい2レベル視覚変換器(TL-ViT)アーキテクチャであるDocBinFormerを提案する。
  論文  参考訳（メタデータ） (2023-12-06T16:01:29Z)
• TransY-Net:Learning Fully Transformer Networks for Change Detection of Remote Sensing Images [64.63004710817239]
  リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。 グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。 提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-22T07:42:19Z)
• Effective Image Tampering Localization via Enhanced Transformer and Co-attention Fusion [5.691973573807887]
  本稿では,2分岐拡張型トランスフォーマーエンコーダを用いた画像改ざんネットワーク(EITLNet)を提案する。 RGBとノイズストリームから抽出した特徴は、座標注意に基づく融合モジュールによって効果的に融合される。
  論文  参考訳（メタデータ） (2023-09-17T15:43:06Z)
• Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
  識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。 提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
  論文  参考訳（メタデータ） (2022-12-28T03:45:56Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• Transformer-based Network for RGB-D Saliency Detection [82.6665619584628]
  RGB-Dサリエンシ検出の鍵は、2つのモードにわたる複数のスケールで情報を完全なマイニングとヒューズすることである。 コンバータは機能融合と機能拡張の両面において高い有効性を示す一様操作であることを示す。 提案するネットワークは,最先端のRGB-D値検出手法に対して良好に動作する。
  論文  参考訳（メタデータ） (2021-12-01T15:53:58Z)
• Exploring Sequence Feature Alignment for Domain Adaptive Detection Transformers [141.70707071815653]
  本稿では,検出変圧器の適応に特化して設計された新しいシーケンス特徴アライメント(SFA)法を提案する。 SFAはドメインクエリベースの機能アライメント(DQFA)モジュールとトークンワイド機能アライメント(TDA)モジュールで構成される。 3つの挑戦的なベンチマーク実験により、SFAは最先端のドメイン適応オブジェクト検出方法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-27T07:17:12Z)

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。