Fugu-MT 論文翻訳(概要): A One-Class Classifier for the Detection of GAN Manipulated Multi-Spectral Satellite Images

論文の概要: A One-Class Classifier for the Detection of GAN Manipulated Multi-Spectral Satellite Images

arxiv url: http://arxiv.org/abs/2305.11795v1
Date: Fri, 19 May 2023 16:30:50 GMT
ステータス: 処理完了
システム内更新日: 2023-05-22 13:30:10.423504
Title: A One-Class Classifier for the Detection of GAN Manipulated Multi-Spectral Satellite Images
Title（参考訳）: GAN操作多スペクトル衛星画像検出のための一級分類器
Authors: Lydia Abady, Giovanna Maria Dimitri and Mauro Barni
Abstract要約: 本稿では,Vector Quantized Variational Autoencoder 2 (VQ-VAE2) 機能に基づく一級分類器を提案する。 VQ-VAE 2 ベースの分類器は、プリスタン画像のみに基づいて訓練されているため、訓練中に使用されていないアーキテクチャにより、異なるドメインに属する画像を検出することができる。
参考スコア（独自算出の注目度）: 20.376706336644823
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The highly realistic image quality achieved by current image generative models has many academic and industrial applications. To limit the use of such models to benign applications, though, it is necessary that tools to conclusively detect whether an image has been generated synthetically or not are developed. For this reason, several detectors have been developed providing excellent performance in computer vision applications, however, they can not be applied as they are to multispectral satellite images, and hence new models must be trained. In general, two-class classifiers can achieve very good detection accuracies, however they are not able to generalise to image domains and generative models architectures different than those used during training. For this reason, in this paper, we propose a one-class classifier based on Vector Quantized Variational Autoencoder 2 (VQ-VAE 2) features to overcome the limitations of two-class classifiers. First, we emphasize the generalization problem that binary classifiers suffer from by training and testing an EfficientNet-B4 architecture on multiple multispectral datasets. Then we show that, since the VQ-VAE 2 based classifier is trained only on pristine images, it is able to detect images belonging to different domains and generated by architectures that have not been used during training. Last, we compare the two classifiers head-to-head on the same generated datasets, highlighting the superiori generalization capabilities of the VQ-VAE 2-based detector.
Abstract（参考訳）: 現在の画像生成モデルによって達成される高度に現実的な画像品質は多くの学術的、工業的応用がある。しかし、このようなモデルの使用を良質な用途に限定するには、画像が合成的に生成されたかどうかを決定的に検出するツールの開発が必要である。このため、コンピュータビジョンの応用において優れた性能を発揮する検出器がいくつか開発されているが、マルチスペクトル衛星画像では適用できないため、新しいモデルを訓練する必要がある。一般に、2つのクラス分類器は非常に良い検出精度を達成できるが、トレーニングで使用するものと異なる画像領域や生成モデルアーキテクチャに一般化することはできない。そこで本稿では,ベクトル量子化変分オートエンコーダ2(vq-vae2)に基づく1クラス分類器を提案する。まず,複数のマルチスペクトルデータセット上でのEfficientNet-B4アーキテクチャのトレーニングとテストにより,バイナリ分類器が抱える一般化問題を強調する。そして、vq-vae 2 ベースの分類器は、プリスティーヌ画像のみに基づいてトレーニングされるので、異なるドメインに属する画像を検出し、トレーニング中に使われていないアーキテクチャによって生成される。最後に、2つの分類器を同じ生成されたデータセットで比較し、VQ-VAE 2ベースの検出器の優位な一般化能力を強調した。

関連論文リスト

Unified Anomaly Detection methods on Edge Device using Knowledge Distillation and Quantization [4.6651371876849]
欠陥検出を用いたほとんどの異常検出アプローチでは、各クラスに個別のモデルを適用する必要がある1クラスモデルを採用している。本研究では,統一型マルチクラス構成について検討する。実験により,マルチクラスモデルは標準MVTec ADデータセットの1クラスモデルと同等に動作することが示された。
論文参考訳（メタデータ） (2024-07-03T10:04:48Z)
Enhance Image Classification via Inter-Class Image Mixup with Diffusion Model [80.61157097223058]
画像分類性能を高めるための一般的な戦略は、T2Iモデルによって生成された合成画像でトレーニングセットを増強することである。本研究では,既存のデータ拡張技術の欠点について検討する。 Diff-Mixと呼ばれる革新的なクラス間データ拡張手法を導入する。
論文参考訳（メタデータ） (2024-03-28T17:23:45Z)
Toward Multi-class Anomaly Detection: Exploring Class-aware Unified Model against Inter-class Interference [67.36605226797887]
統一型異常検出(MINT-AD)のためのマルチクラスインプリシトニューラル表現変換器を提案する。マルチクラス分布を学習することにより、モデルが変換器デコーダのクラス対応クエリ埋め込みを生成する。 MINT-ADは、カテゴリと位置情報を特徴埋め込み空間に投影することができ、さらに分類と事前確率損失関数によって監督される。
論文参考訳（メタデータ） (2024-03-21T08:08:31Z)
Exploring Robust Features for Few-Shot Object Detection in Satellite Imagery [17.156864650143678]
従来の2段階アーキテクチャに基づく数発の物体検出器を開発した。大規模な事前訓練モデルを使用して、クラス参照の埋め込みやプロトタイプを構築する。課題と稀なオブジェクトを含む2つのリモートセンシングデータセットの評価を行う。
論文参考訳（メタデータ） (2024-03-08T15:20:27Z)
A Single Graph Convolution Is All You Need: Efficient Grayscale Image Classification [3.0299904110792255]
グレースケール画像分類は、医用画像やSAR ATRなどの分野で重要な応用がある。画像のベクトル化ビューを用いた新しいグレースケール画像分類手法を提案する。提案手法では,単一のグラフ畳み込み層をバッチ的に組み込んで,精度の向上と性能のばらつきの低減を図る。
論文参考訳（メタデータ） (2024-02-01T12:50:48Z)
Improving Human-Object Interaction Detection via Virtual Image Learning [68.56682347374422]
人間-物体相互作用(Human-Object Interaction、HOI)は、人間と物体の相互作用を理解することを目的としている。本稿では,仮想画像学習(Virtual Image Leaning, VIL)による不均衡分布の影響を軽減することを提案する。ラベルからイメージへの新たなアプローチであるMultiple Steps Image Creation (MUSIC)が提案され、実際の画像と一貫した分布を持つ高品質なデータセットを作成する。
論文参考訳（メタデータ） (2023-08-04T10:28:48Z)
GenImage: A Million-Scale Benchmark for Detecting AI-Generated Image [28.38575401686718]
我々は、100万組のAI生成フェイクイメージと実際の画像の収集を含むGenImageデータセットを紹介した。この利点は、GenImageで訓練された検出器が徹底的な評価を行い、多様な画像に適用可能であることを示すことである。本研究では,本データセットの包括的解析を行い,実世界のシナリオに類似した検出手法を評価するための2つの課題を提案する。
論文参考訳（メタデータ） (2023-06-14T15:21:09Z)
Multi-Modal Classifiers for Open-Vocabulary Object Detection [104.77331131447541]
本論文の目的は,OVOD(Open-vocabulary Object Detection)である。標準の2段階オブジェクト検出器アーキテクチャを採用する。言語記述、画像例、これら2つの組み合わせの3つの方法を探究する。
論文参考訳（メタデータ） (2023-06-08T18:31:56Z)
Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
論文参考訳（メタデータ） (2022-11-27T11:25:35Z)
Semantic Representation and Dependency Learning for Multi-Label Image Recognition [76.52120002993728]
本稿では,各カテゴリのカテゴリ固有のセマンティック表現を学習するための,新しい,効果的なセマンティック表現と依存性学習(SRDL)フレームワークを提案する。具体的には,カテゴリー別注意領域(CAR)モジュールを設計し,チャネル/空間的注意行列を生成してモデルを導出する。また、カテゴリ間のセマンティック依存を暗黙的に学習するオブジェクト消去(OE)モジュールを設計し、セマンティック認識領域を消去する。
論文参考訳（メタデータ） (2022-04-08T00:55:15Z)
A Method for Evaluating Deep Generative Models of Images via Assessing the Reproduction of High-order Spatial Context [9.00018232117916]
GAN(Generative Adversarial Network)は、広く使われているDGMの一種である。本稿では,2つのGANアーキテクチャによって出力される画像の客観的なテストについて述べる。我々は、訓練されたGANによって生成した画像の特徴を再現できるいくつかのコンテキストモデル(SCM)を設計した。
論文参考訳（メタデータ） (2021-11-24T15:58:10Z)

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。