論文の概要: Motion Vector-Domain Video Steganalysis Exploiting Skipped Macroblocks
- arxiv url: http://arxiv.org/abs/2310.07121v1
- Date: Wed, 11 Oct 2023 01:51:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 02:42:56.308665
- Title: Motion Vector-Domain Video Steganalysis Exploiting Skipped Macroblocks
- Title（参考訳）: 傾斜マクロブロックを爆発するモーションベクトル-ドメインビデオステガナリシス
- Authors: Jun Li, Minqing Zhang, Ke Niu, Yingnan Zhang, Xiaoyuan Yang,
- Abstract要約: 本稿では,MV-based video steganography を検知する新しい11次元特徴セットを提案する。
異なる条件における実験により, 提案した特徴集合は, 特に低埋め込み能力において, 優れた検出精度が得られることが示された。
- 参考スコア（独自算出の注目度）: 5.297082620980509
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video steganography has the potential to be used to convey illegal information, and video steganalysis is a vital tool to detect the presence of this illicit act. Currently, all the motion vector (MV)-based video steganalysis algorithms extract feature sets directly on the MVs, but ignoring the steganograhic operation may perturb the statistics distribution of other video encoding elements, such as the skipped macroblocks (no direct MVs). This paper proposes a novel 11-dimensional feature set to detect MV-based video steganography based on the above observation. The proposed feature is extracted based on the skipped macroblocks by recompression calibration. Specifically, the feature consists of two components. The first is the probability distribution of motion vector prediction (MVP) difference, and the second is the probability distribution of partition state transfer. Extensive experiments on different conditions demonstrate that the proposed feature set achieves good detection accuracy, especially in lower embedding capacity. In addition, the loss of detection performance caused by recompression calibration using mismatched quantization parameters (QP) is within the acceptable range, so the proposed method can be used in practical scenarios.
- Abstract（参考訳）: ビデオステガノグラフィーは、違法な情報を伝達するために使われる可能性があり、ビデオステガナリシスは、この違法行為の存在を検出する重要なツールである。
現在、すべての動きベクトル(MV)ベースのビデオステガナリシスアルゴリズムはMVに直接特徴集合を抽出しているが、ステガノグラ演算を無視することは、スキップされたマクロブロック(直接MV)など他のビデオ符号化要素の統計分布を乱す可能性がある。
本報告では,MV-based video steganography を検出するための新しい11次元特徴セットを提案する。
提案手法は再圧縮キャリブレーションによりスキップされたマクロブロックに基づいて抽出される。
具体的には、2つのコンポーネントから構成される。
1つは動きベクトル予測(MVP)差の確率分布、もう1つは分割状態伝達の確率分布である。
異なる条件における広範囲な実験により, 提案した特徴集合は, 特に低埋め込み能力において, 優れた検出精度を達成できることが証明された。
また,不一致量子化パラメータ(QP)を用いた再圧縮校正による検出性能の損失が許容範囲内にあるため,本手法は実例に適用可能である。
関連論文リスト
- STMixer: A One-Stage Sparse Action Detector [43.62159663367588]
よりフレキシブルな1段アクション検出器のための2つのコア設計を提案する。
まず、クエリベースの適応的特徴サンプリングモジュールを分離し、ビデオ時間領域全体から特徴群をマイニングする柔軟性を備えた検出器を実現する。
第2に,より優れた特徴復号化のために,空間次元と時間次元の混合に動的に参画する分離された特徴混合モジュールを考案する。
論文 参考訳（メタデータ） (2024-04-15T14:52:02Z) - Object Segmentation-Assisted Inter Prediction for Versatile Video Coding [53.91821712591901]
本稿では,参照フレーム内のオブジェクトをいくつかの高度な技術でセグメント化するオブジェクトセグメンテーション支援インター予測手法を提案する。
適切な指示により、オブジェクトセグメンテーションマスクは、参照フレームから現在のフレームに、異なる領域の任意の形のパーティションとして変換される。
提案手法は, 最大1.98%, 1.14%, 0.79%, 平均0.82%, 0.49%, 0.37%のBDレート低下が得られた。
論文 参考訳（メタデータ） (2024-03-18T11:48:20Z) - Unsupervised Video Anomaly Detection with Diffusion Models Conditioned
on Compact Motion Representations [17.816344808780965]
教師なしビデオ異常検出(VAD)問題とは、ビデオ内の各フレームをラベルにアクセスすることなく正常または異常に分類することである。
提案手法は条件付き拡散モデルを用いて,事前学習したネットワークから入力データを抽出する。
提案手法は,データ駆動しきい値を用いて,異常事象の指標として高い再構成誤差を考慮している。
論文 参考訳（メタデータ） (2023-07-04T07:36:48Z) - STMixer: A One-Stage Sparse Action Detector [48.0614066856134]
我々はSTMixerと呼ばれる新しいワンステージアクション検出器を提案する。
我々は,STMixerに識別ビデオ機能セットをマイニングする柔軟性を付与する,クエリベースの適応型特徴サンプリングモジュールを提案する。
AVA, UCF101-24, JHMDB のデータセットの最先端結果を得た。
論文 参考訳（メタデータ） (2023-03-28T10:47:06Z) - Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。
静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。
実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-18T10:19:29Z) - Bayesian Nonparametric Submodular Video Partition for Robust Anomaly
Detection [9.145168943972067]
MIL(Multiple-instance Learning)は、ビデオ異常検出問題に対処するための効果的な方法である。
我々は,MILモデルトレーニングを大幅に改善するために,新しいベイズ非パラメトリックサブモジュールビデオ分割(BN-SVP)を提案する。
我々の理論解析は,提案アルゴリズムの性能保証を確実にする。
論文 参考訳（メタデータ） (2022-03-24T04:00:49Z) - Self-Supervised Learning of Perceptually Optimized Block Motion
Estimates for Video Compression [50.48504867843605]
多段階畳み込みニューラルネットワークを用いた探索自由ブロック運動推定フレームワークを提案する。
動作補償フレームの知覚品質を最適化するために,マルチスケール構造類似度(MS-SSIM)損失関数をデプロイする。
論文 参考訳（メタデータ） (2021-10-05T03:38:43Z) - Sharp Multiple Instance Learning for DeepFake Video Detection [54.12548421282696]
我々はDeepFakeビデオに、ビデオレベルのラベルのみを提供するが、フェイクビデオのすべての顔が操作されるわけではない部分的な顔攻撃という新しい問題を導入する。
インスタンス埋め込みからバッグ予測への直接マッピングを構築する鋭いMIL(S-MIL)を提案する。
FFPMSと広く使われているDFDCデータセットの実験により、S-MILは部分的に攻撃されたDeepFakeビデオ検出において他の手法よりも優れていることが確認された。
論文 参考訳（メタデータ） (2020-08-11T08:52:17Z) - End-to-end Optimized Video Compression with MV-Residual Prediction [13.627925888710426]
Pフレーム圧縮のためのエンドツーエンドのトレーニング可能なフレームワークを提案する。
関節運動ベクトル(MV)と残差予測ネットワーク(MV-Residual)は,動作表現のアンサンブル特徴を抽出するために設計されている。
提案するフレームワークは,Pフレーム圧縮競争において最高のMS-SSIMを生成することができる。
論文 参考訳（メタデータ） (2020-05-26T18:09:59Z) - TransMoMo: Invariance-Driven Unsupervised Video Motion Retargeting [107.39743751292028]
TransMoMoは、ソースビデオ中の人の動きを、ターゲットの別のビデオに現実的に転送することができる。
動き, 構造, ビューアングルを含む3つの要因の不変性を利用する。
本研究では,最先端手法に対する提案手法の有効性を実証する。
論文 参考訳（メタデータ） (2020-03-31T17:49:53Z)
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。