論文の概要: Comprehensive Dataset of Synthetic and Manipulated Overhead Imagery for
Development and Evaluation of Forensic Tools
- arxiv url: http://arxiv.org/abs/2305.05784v1
- Date: Tue, 9 May 2023 22:09:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 15:15:05.135183
- Title: Comprehensive Dataset of Synthetic and Manipulated Overhead Imagery for
Development and Evaluation of Forensic Tools
- Title（参考訳）: 鑑識ツールの開発と評価のための合成・操作頭上画像の包括的データセット
- Authors: Brandon B. May, Kirill Trapeznikov, Shengbang Fang, Matthew C. Stamm
- Abstract要約: 本稿では,法医学ツールの開発と評価を目的とした,そのオーバーヘッド画像の最初のデータセットについて紹介する。
私たちのデータセットは、実際の、完全に合成され、部分的に操作されたオーバーヘッド画像で構成されています。
- 参考スコア（独自算出の注目度）: 13.052016660119499
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a first of its kind dataset of overhead imagery for development
and evaluation of forensic tools. Our dataset consists of real, fully synthetic
and partially manipulated overhead imagery generated from a custom diffusion
model trained on two sets of different zoom levels and on two sources of
pristine data. We developed our model to support controllable generation of
multiple manipulation categories including fully synthetic imagery conditioned
on real and generated base maps, and location. We also support partial
in-painted imagery with same conditioning options and with several types of
manipulated content. The data consist of raw images and ground truth
annotations describing the manipulation parameters. We also report benchmark
performance on several tasks supported by our dataset including detection of
fully and partially manipulated imagery, manipulation localization and
classification.
- Abstract（参考訳）: 本稿では,法医学ツールの開発と評価のために,そのオーバーヘッド画像の最初のデータセットを提案する。
我々のデータセットは、2つの異なるズームレベルと2つのプリズムデータに基づいてトレーニングされたカスタム拡散モデルから生成された実、完全合成、部分的に操作されたオーバーヘッド画像で構成されている。
本研究では,実および生成されたベースマップと位置を条件とした完全合成画像を含む複数の操作カテゴリの制御可能な生成を支援するモデルを開発した。
また,同じコンディショニングオプションと数種類の操作されたコンテンツを備えた部分インペイント画像もサポートする。
データは、操作パラメータを記述するrawイメージとground truthアノテーションで構成される。
また、完全かつ部分的に操作された画像の検出、局所化の操作、分類を含む、データセットがサポートするタスクのベンチマーク性能について報告する。
関連論文リスト
- Swin Transformer for Robust Differentiation of Real and Synthetic Images: Intra- and Inter-Dataset Analysis [0.0]
本研究では,自然画像と合成画像の正確な識別のためのSwin Transformerモデルを提案する。
モデルの性能は、3つの異なるデータセットにわたるデータセット内およびデータセット間テストによって評価された。
論文 参考訳（メタデータ） (2024-09-07T06:43:17Z) - Diffusion Models as Data Mining Tools [87.77999285241219]
本稿では、画像合成のために訓練された生成モデルを視覚データマイニングのツールとして利用する方法について述べる。
特定のデータセットから画像を合成するために条件拡散モデルを微調整した後、これらのモデルを用いて典型性尺度を定義することができることを示す。
この尺度は、地理的位置、タイムスタンプ、セマンティックラベル、さらには病気の存在など、異なるデータラベルに対する典型的な視覚的要素がどのように存在するかを評価する。
論文 参考訳（メタデータ） (2024-07-20T17:14:31Z) - Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。
提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。
生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文 参考訳（メタデータ） (2023-10-09T10:22:08Z) - JourneyDB: A Benchmark for Generative Image Understanding [89.02046606392382]
生成画像の領域に適合する包括的データセットであるJourneyDBを導入する。
精巧にキュレートされたデータセットは、400万の異なる高品質な画像で構成されています。
本データセットでは,生成した画像の理解性能を評価するための4つのベンチマークを考案した。
論文 参考訳（メタデータ） (2023-07-03T02:39:08Z) - Generalizing Surgical Instruments Segmentation to Unseen Domains with
One-to-Many Synthesis [18.830738606514736]
ディープラーニングの手法は、実世界の外科的応用への展開を妨げることが多い。
データ収集、アノテーション、ドメインシフトは、最も一般的な障害である。
我々は、最小限のソースイメージを効率よく活用して、合成外科用機器セグメンテーションデータセットを生成することにより、データ関連の問題を緩和する。
論文 参考訳（メタデータ） (2023-06-28T15:06:44Z) - AutoSplice: A Text-prompt Manipulated Image Dataset for Media Forensics [31.714342131823987]
本稿では,言語画像生成モデルがメディア法医学にもたらす課題のレベルを検討することを目的とする。
そこで本研究では,DALL-E2言語画像モデルを利用して,テキストプロンプトによって誘導されるマスキング領域を自動的に生成し,スプライスする手法を提案する。
このアプローチによってAutoSpliceと呼ばれる新しいイメージデータセットが作成され、5,894個の操作と認証されたイメージが含まれている。
論文 参考訳（メタデータ） (2023-04-14T00:14:08Z) - Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。
我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文 参考訳（メタデータ） (2023-04-02T10:25:09Z) - From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real
Data [58.50411487497146]
ラベルのない実データと協調する新しい画像デハージングフレームワークを提案する。
まず,特徴表現を3つの成分マップに切り離す不整合画像デハージングネットワーク(DID-Net)を開発する。
そして、無ラベルの実データと協調して単一画像のデハージングを促進するために、不整合平均教師ネットワーク(DMT-Net)を用いる。
論文 参考訳（メタデータ） (2021-08-06T04:00:28Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - Multi-Spectral Image Synthesis for Crop/Weed Segmentation in Precision
Farming [3.4788711710826083]
本稿では, 精密農業における作物・雑草の分枝化問題に適用し, 共通データ増分法に関する代替手法を提案する。
我々は、最も関連性の高いオブジェクトクラス(作物や雑草)を合成されたクラスに置き換えることで、半人工的なサンプルを作成する。
RGBデータに加えて、近赤外(NIR)情報も考慮し、4つのチャネルマルチスペクトル合成画像を生成する。
論文 参考訳（メタデータ） (2020-09-12T08:49:36Z)
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。