論文の概要: DRAW: Defending Camera-shooted RAW against Image Manipulation

• arxiv url: http://arxiv.org/abs/2307.16418v1
• Date: Mon, 31 Jul 2023 05:57:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 15:51:56.258654
• Title: DRAW: Defending Camera-shooted RAW against Image Manipulation
• Title（参考訳）: DRAW:カメラで撮影したRAWを画像操作に対抗
• Authors: Xiaoxiao Hu, Qichao Ying, Zhenxing Qian, Sheng Li and Xinpeng Zhang
• Abstract要約: そこで本稿では,RAWの音源を保護することにより,画像の操作を防ぐ新しい手法を提案する。 具体的には、周波数学習と部分的特徴融合により、限られた計算資源を持つデバイスに対して、軽量な多周波部分核融合ネットワーク(MPF-Net)を設計する。 保護機能は、適用されたISPパイプラインに関係なくレンダリングされたRGBイメージに転送できるだけでなく、ぼやけや圧縮といった後処理操作にも耐性がある。
• 参考スコア（独自算出の注目度）: 24.203631473348462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RAW files are the initial measurement of scene radiance widely used in most cameras, and the ubiquitously-used RGB images are converted from RAW data through Image Signal Processing (ISP) pipelines. Nowadays, digital images are risky of being nefariously manipulated. Inspired by the fact that innate immunity is the first line of body defense, we propose DRAW, a novel scheme of defending images against manipulation by protecting their sources, i.e., camera-shooted RAWs. Specifically, we design a lightweight Multi-frequency Partial Fusion Network (MPF-Net) friendly to devices with limited computing resources by frequency learning and partial feature fusion. It introduces invisible watermarks as protective signal into the RAW data. The protection capability can not only be transferred into the rendered RGB images regardless of the applied ISP pipeline, but also is resilient to post-processing operations such as blurring or compression. Once the image is manipulated, we can accurately identify the forged areas with a localization network. Extensive experiments on several famous RAW datasets, e.g., RAISE, FiveK and SIDD, indicate the effectiveness of our method. We hope that this technique can be used in future cameras as an option for image protection, which could effectively restrict image manipulation at the source.
• Abstract（参考訳）: RAWファイルは、ほとんどのカメラで広く使われているシーンラディアンスの最初の測定であり、ユビキタスに使用されるRGBイメージは、画像信号処理(ISP)パイプラインを介してRAWデータから変換される。 現在、デジタル画像は不正に操作されるリスクがある。 自然免疫が身体防御の第一線であるという事実に触発されて、我々はDRAWを提案する。 具体的には、周波数学習と部分的特徴融合により、限られた計算資源を有するデバイスに親和性のある軽量なマルチ周波数部分融合ネットワーク(mpf-net)を設計する。 RAWデータに保護信号として見えない透かしを導入する。 保護機能は、適用されたISPパイプラインに関係なくレンダリングされたRGBイメージに転送できるだけでなく、ぼやけや圧縮といった後処理操作にも耐性がある。 画像が操作されると、位置決めネットワークを用いて、偽造領域を正確に識別できる。 RAISE, FiveK, SIDDなどの有名なRAWデータセットに対する大規模な実験により, 本手法の有効性が示された。 我々は、この技術が将来のカメラで画像保護の選択肢として利用され、ソースでの画像操作を効果的に制限できることを期待している。

関連論文リスト

• Towards RAW Object Detection in Diverse Conditions [65.30190654593842]
  62のカテゴリにまたがる135,601のアノテーション付きインスタンスを備えた7,785の高分解能実RAW画像を提供するAODRawデータセットを紹介した。 sRGB と RAW の領域ギャップにより RAW オブジェクト検出の可能性は sRGB と RAW との事前学習によって制限されることがわかった。 我々は,RAW事前学習を支援するために,SRGBドメインで事前学習した市販のモデルから知識を抽出する。
  論文  参考訳（メタデータ） (2024-11-24T01:23:04Z)
• Toward Efficient Deep Blind RAW Image Restoration [56.41827271721955]
  我々は、深部ブラインドRAW復元モデルをトレーニングするための、新しい現実的な劣化パイプラインを設計する。 私たちのパイプラインでは、リアルなセンサーノイズ、動きのぼかし、カメラの揺れ、その他の一般的な劣化について検討しています。 パイプラインと複数のセンサーのデータで訓練されたモデルは、ノイズとぼやけをうまく低減し、異なるカメラから撮影されたRAW画像の細部を復元する。
  論文  参考訳（メタデータ） (2024-09-26T18:34:37Z)
• Simple Image Signal Processing using Global Context Guidance [56.41827271721955]
  ディープラーニングベースのISPは、深層ニューラルネットワークを使用してRAW画像をDSLRライクなRGBイメージに変換することを目指している。 我々は,全RAW画像からグローバルなコンテキスト情報をキャプチャするために,任意のニューラルISPに統合可能な新しいモジュールを提案する。 本モデルでは,多種多様な実スマートフォン画像を用いて,様々なベンチマークで最新の結果が得られる。
  論文  参考訳（メタデータ） (2024-04-17T17:11:47Z)
• BSRAW: Improving Blind RAW Image Super-Resolution [63.408484584265985]
  RAW領域におけるブラインド画像の超解像化に取り組む。 生センサデータを用いたトレーニングモデルに特化した,現実的な劣化パイプラインを設計する。 私たちのパイプラインでトレーニングしたBSRAWモデルは、リアルタイムRAW画像をスケールアップし、品質を向上させることができます。
  論文  参考訳（メタデータ） (2023-12-24T14:17:28Z)
• Self-Supervised Reversed Image Signal Processing via Reference-Guided Dynamic Parameter Selection [1.1602089225841632]
  メタデータとペア画像を必要としない自己教師付き逆ISP方式を提案する。 提案手法は,RGB画像を参照RAW画像と同じセンサで同一環境で撮影されたRAWライクな画像に変換する。 提案手法は,他の最先端教師付き手法に匹敵する精度で,様々な逆ISPを学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-24T11:12:05Z)
• Efficient Visual Computing with Camera RAW Snapshots [41.9863557302409]
  従来のカメラはセンサ上の画像光を捕捉し、画像信号プロセッサ(ISP)を用いてRGB画像に変換する。 RAW画像にはキャプチャされた全ての情報が含まれているため、ISPを用いたRAWからRGBへの変換はビジュアルコンピューティングには必要ないと論じることができる。 RAW画像を用いた高レベルセマンティック理解と低レベル圧縮を実現するための新しい$rho$-Visionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:54:21Z)
• Reversed Image Signal Processing and RAW Reconstruction. AIM 2022 Challenge Report [109.2135194765743]
  本稿では,AIM 2022 Challenge on Reversed Image Signal Processing and RAW Reconstructionを紹介する。 我々は,メタデータを使わずにRGBから生のセンサイメージを回収し,ISP変換を「逆」することを目的としている。
  論文  参考訳（メタデータ） (2022-10-20T10:43:53Z)
• Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
  本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。 実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-08-18T12:41:36Z)
• Invertible Image Signal Processing [42.109752151834456]
  InvISP(Invertible Image Signal Processing)パイプラインにより、視覚的に魅力的なsRGBイメージをレンダリングできます。 メモリのオーバーヘッドなしにsrgb画像から生データを合成する代わりに、リアルな生データを再構築できる。
  論文  参考訳（メタデータ） (2021-03-28T06:30:15Z)

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。