論文の概要: Source Camera Identification and Detection in Digital Videos through Blind Forensics

• arxiv url: http://arxiv.org/abs/2309.03353v1
• Date: Wed, 6 Sep 2023 20:36:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 14:57:34.691547
• Title: Source Camera Identification and Detection in Digital Videos through Blind Forensics
• Title（参考訳）: ブラインド法医学によるデジタルビデオの音源カメラ識別と検出
• Authors: Venkata Udaya Sameer, Shilpa Mukhopadhyay, Ruchira Naskar and Ishaan Dali
• Abstract要約: 本稿では,特徴抽出,特徴選択,その後の情報源分類に基づく,映像ソース認証と識別の盲点法医学的手法を提案する。 本研究の目的は,ビデオのクレームソースが実際にオリジナルソースであるかどうかを判断することである。そうでなければ,オリジナルソースを識別することである。本実験により,従来の指紋認証技術と比較して,提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 3.4546761246181696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Source camera identification in digital videos is the problem of associating an unknown digital video with its source device, within a closed set of possible devices. The existing techniques in source detection of digital videos try to find a fingerprint of the actual source in the video in form of PRNU (Photo Response Non--Uniformity), and match it against the SPN (Sensor Pattern Noise) of each possible device. The highest correlation indicates the correct source. We investigate the problem of identifying a video source through a feature based approach using machine learning. In this paper, we present a blind forensic technique of video source authentication and identification, based on feature extraction, feature selection and subsequent source classification. The main aim is to determine whether a claimed source for a video is actually its original source. If not, we identify its original source. Our experimental results prove the efficiency of the proposed method compared to traditional fingerprint based technique.
• Abstract（参考訳）: デジタルビデオにおけるソースカメラの識別は、未知のデジタルビデオをそのソースデバイスに関連付けるという問題である。 デジタルビデオのソース検出における既存の技術は、PRNU(Photo Response Non-Uniformity)という形でビデオ内の実際のソースの指紋を見つけ、各デバイスにおけるSPN(Sensor Pattern Noise)と照合する。 最も高い相関は正しい源を示す。 機械学習を用いた特徴量に基づく手法を用いて,映像ソースの識別の問題を検討する。 本稿では,特徴抽出,特徴選択,その後の情報源分類に基づく,映像ソース認証と識別の盲点法医学的手法を提案する。 主な目的は、ビデオのクレームソースが実際に元のソースであるかどうかを決定することである。 そうでなければ、元のソースを特定します。 従来の指紋認証法と比較して,提案手法の有効性が実証された。

関連論文リスト

• Compression effects and scene details on the source camera identification of digital videos [14.105727639288316]
  特定のデジタルビデオの真正性や完全性を保証するために、法医学的分析機構を導入することが不可欠である。 モバイルデバイスからのデジタルビデオの取得元を特定する手法を提案する。
  論文  参考訳（メタデータ） (2024-02-07T09:14:18Z)
• Reference-based Restoration of Digitized Analog Videotapes [28.773037051085318]
  デジタルアナログビデオテープ(TAPE)の再作成のための参照ベースアプローチを提案する。 ゼロショットアーティファクト検出にCLIPを活用し、異なるアーティファクトを記述するテキストプロンプトを通じて、各ビデオの最もクリーンなフレームを識別する。 実世界のビデオにおける真実の欠如に対処するため、アナログビデオテープによく見られるアーティファクトによく似た、ビデオの合成データセットを作成します。
  論文  参考訳（メタデータ） (2023-10-20T17:33:57Z)
• Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
  本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。 我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。 本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
  論文  参考訳（メタデータ） (2022-04-06T20:51:40Z)
• PRNU Based Source Camera Identification for Webcam and Smartphone Videos [137.6408511310322]
  このコミュニケーションは、Webカメラ/スマートフォンビデオのソースカメラ(SCI: Source Camera Identification)を特定するためにカメラセンサ指紋を使用する画像法医学の応用に関するものである。
  論文  参考訳（メタデータ） (2022-01-27T18:57:14Z)
• Beyond PRNU: Learning Robust Device-Specific Fingerprint for Source Camera Identification [14.404497406560104]
  元のカメラ識別ツールは、画像鑑定調査員が被疑者カメラと画像を関連付けるのを助ける。 光応答不均一 (PRNU) ノイズパターンは, センサの不完全性に起因するため, ソースカメラの識別に有効な方法であることが証明されている。 PRNUは、カメラの設定、画像の内容、画像処理操作、および反法医学的攻撃に影響を受けやすい。 この新しいデバイス指紋は低周波帯と中周波帯から抽出され、PRNUが競合できない脆弱性を解消する。
  論文  参考訳（メタデータ） (2021-11-03T11:25:19Z)
• Efficient video integrity analysis through container characterization [77.45740041478743]
  本稿では,ビデオ操作に使用するソフトウェアをコンテナベースで識別する手法を提案する。 提案手法は効率的かつ効果的であり,その決定の簡易な説明も可能である。 プリストインを改ざんされたビデオと区別し、編集ソフトを分類することで97.6%の精度を達成している。
  論文  参考訳（メタデータ） (2021-01-26T14:13:39Z)
• Video Camera Identification from Sensor Pattern Noise with a Constrained ConvNet [7.229968041355052]
  本稿では,ビデオフレームから抽出したカメラ固有のノイズパターンに基づいて,映像のソースカメラを識別する手法を提案する。 本システムは,映像フレームを個別に分類し,多数決によりソースカメラの識別を行うように設計されている。 この研究は、子どもの性的虐待に対する法医学に焦点を当てたEUが支援するプロジェクト4NSEEKの一部です。
  論文  参考訳（メタデータ） (2020-12-11T12:17:30Z)
• Identity-Driven DeepFake Detection [91.0504621868628]
  アイデンティティ駆動のDeepFake Detectionは、被疑者画像/ビデオとターゲットのアイデンティティ情報を入力する。 被疑者画像・映像の同一性は対象人物と同一かという判断を出力する。 本稿では,新たな研究のベースラインとして,簡単な識別ベース検出アルゴリズムであるouterfaceを提案する。
  論文  参考訳（メタデータ） (2020-12-07T18:59:08Z)
• DIPPAS: A Deep Image Prior PRNU Anonymization Scheme [21.227797471108747]
  ソースデバイス識別に利用される典型的なトレースは、Photo Response Non-Uniformity (PRNU) です。 画像品質に大きな影響を及ぼすことなく、自然画像からそのような痕跡を抑える手法を考案する。 要するに、Convolutional Neural Network (CNN) はジェネレータとして動作し、ソース PRNU に関して匿名化されたイメージを返します。
  論文  参考訳（メタデータ） (2020-12-07T10:56:50Z)
• VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
  偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。 前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2020-05-20T21:17:43Z)
• A Modified Fourier-Mellin Approach for Source Device Identification on Stabilized Videos [72.40789387139063]
  マルチメディアの法医学ツールは通常 取得したフレームに カメラセンサーが残した 特徴的なノイズの痕跡を利用する この分析では,カメラを特徴付けるノイズパターンと,解析対象の映像フレームから抽出したノイズパターンを幾何学的に整列させる必要がある。 本稿では,周波数領域におけるスケーリングと回転パラメータの探索により,この制限を克服することを提案する。
  論文  参考訳（メタデータ） (2020-05-20T12:06:40Z)

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。