論文の概要: MaLP: Manipulation Localization Using a Proactive Scheme

• arxiv url: http://arxiv.org/abs/2303.16976v1
• Date: Wed, 29 Mar 2023 19:17:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 15:21:49.344528
• Title: MaLP: Manipulation Localization Using a Proactive Scheme
• Title（参考訳）: malp: proactive scheme を用いたマニピュレーション・ローカライズ
• Authors: Vishal Asnani, Xi Yin, Tal Hassner, Xiaoming Liu
• Abstract要約: そこで本研究では,MALPと呼ばれる局所化操作のためのプロアクティブスキームを提案する。 学習テンプレートを追加することで、実際の画像を暗号化する。 我々は,MALPが従来の受動的作業よりも優れた性能を示すことを示す。
• 参考スコア（独自算出の注目度）: 36.08924910193875
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Advancements in the generation quality of various Generative Models (GMs) has made it necessary to not only perform binary manipulation detection but also localize the modified pixels in an image. However, prior works termed as passive for manipulation localization exhibit poor generalization performance over unseen GMs and attribute modifications. To combat this issue, we propose a proactive scheme for manipulation localization, termed MaLP. We encrypt the real images by adding a learned template. If the image is manipulated by any GM, this added protection from the template not only aids binary detection but also helps in identifying the pixels modified by the GM. The template is learned by leveraging local and global-level features estimated by a two-branch architecture. We show that MaLP performs better than prior passive works. We also show the generalizability of MaLP by testing on 22 different GMs, providing a benchmark for future research on manipulation localization. Finally, we show that MaLP can be used as a discriminator for improving the generation quality of GMs. Our models/codes are available at www.github.com/vishal3477/pro_loc.
• Abstract（参考訳）: 様々な生成モデル(GM)の生成品質の向上は、バイナリ操作検出を行うだけでなく、画像中の修正画素のローカライズも必要としている。 しかし、操作ローカライゼーションのためのパッシブな研究は、目に見えないGMに対する一般化性能の低下と属性修正を示している。 この問題に対処するため,我々はmalpと呼ばれる操作ローカライズのためのプロアクティブスキームを提案する。 学習テンプレートを追加することで実際の画像を暗号化する。 画像がGMによって操作される場合、テンプレートから保護を追加することでバイナリ検出だけでなく、GMによって修正されたピクセルの識別にも役立ちます。 このテンプレートは、2ブランチアーキテクチャで推定されるローカルおよびグローバルレベルの機能を活用することで学習される。 malpは従来のパッシブワークよりも優れたパフォーマンスを示す。 また,22種類のGM上でのMALPの一般化可能性を示すとともに,今後の操作ローカライゼーション研究のベンチマークを提供する。 最後に,MALPをGMの生成品質向上のための判別器として利用できることを示す。 私たちのモデル/コードはwww.github.com/vishal3477/pro_locで利用可能です。

関連論文リスト

• DeCLIP: Decoding CLIP representations for deepfake localization [4.04729645587678]
  DeCLIPは、局所的な操作を検出するために、大規模な事前学習機能を活用する最初の試みである。 合理的に大きな畳み込みデコーダと組み合わせることで、事前学習された自己教師付き表現がローカライズを行うことができることを示す。 従来の研究とは異なり、我々の手法は潜在拡散モデルの挑戦的な場合において局所化を行うことができる。
  論文  参考訳（メタデータ） (2024-09-12T17:59:08Z)
• Part-Aware Transformer for Generalizable Person Re-identification [138.99827526048205]
  ドメイン一般化者再識別(DG-ReID)は、ソースドメインのモデルをトレーニングし、目に見えないドメインでうまく一般化することを目的としている。 我々は、CSL(Cross-ID similarity Learning)と呼ばれるプロキシタスクを設計し、DG-ReIDのための純粋なトランスモデル(Part-aware Transformer)を提案する。 このプロキシタスクは、IDラベルに関わらず、部品の視覚的類似性のみを気にするので、モデルが一般的な機能を学ぶことができる。
  論文  参考訳（メタデータ） (2023-08-07T06:15:51Z)
• MAGIC: Mask-Guided Image Synthesis by Inverting a Quasi-Robust Classifier [37.774220727662914]
  単一画像の操作を制御できるワンショットマスク誘導画像合成法を提案する。 提案手法は,事前学習した準ロバスト分類器から構造勾配を利用する。 MAGICは入力上の勾配を集約し、ガイドバイナリマスクによって駆動される。
  論文  参考訳（メタデータ） (2022-09-23T12:15:40Z)
• GMML is All you Need [26.145297123851982]
  Group masked model learning (GMML)は、視覚トランスフォーマーの事前学習のための自己教師型学習メカニズムである。 GMMLは暗黙的に新しいデータ拡張プロセスを導入している。 ソースコードは、コミュニティがより大きなコーパスでトレーニングするために公開されています。
  論文  参考訳（メタデータ） (2022-05-30T10:36:55Z)
• Proactive Image Manipulation Detection [41.98292654598543]
  本稿では,画像操作検出のための能動的手法を提案する。 我々のキーとなる有効化技術は、実際の画像に付加されたテンプレートのセットを推定することであり、それによってより正確な操作検出が可能になる。 画像操作検出では,CycleGANの平均精度は16%,GauGANは32%であった。
  論文  参考訳（メタデータ） (2022-03-29T20:02:04Z)
• Attribute-specific Control Units in StyleGAN for Fine-grained Image Manipulation [57.99007520795998]
  特徴マップと変調スタイルの複数のチャネルからなる属性固有制御ユニットを探索する。 具体的には、制御ユニット内の変調スタイルのチャネルと特徴マップを協調的に操作し、意味的および空間的不整合制御を得る。 我々は、特定のスパース方向ベクトルに沿って変調スタイルを移動させ、これらの制御ユニットを操作するために特徴マップを計算するために使用されるフィルタワイズスタイルを置き換える。
  論文  参考訳（メタデータ） (2021-11-25T10:42:10Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Locally Masked Convolution for Autoregressive Models [107.4635841204146]
  LMConvは標準的な2Dコンボリューションの簡単な修正であり、任意のマスクを画像の各位置の重みに適用することができる。 我々は,パラメータを共有するが生成順序が異なる分布推定器のアンサンブルを学習し,全画像密度推定の性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-22T17:59:07Z)

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。