論文の概要: Image Generation and Learning Strategy for Deep Document Forgery Detection

• arxiv url: http://arxiv.org/abs/2311.03650v1
• Date: Tue, 7 Nov 2023 01:40:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 17:14:53.561719
• Title: Image Generation and Learning Strategy for Deep Document Forgery Detection
• Title（参考訳）: 深層文書偽造検出のための画像生成と学習戦略
• Authors: Yamato Okamoto, Osada Genki, Iu Yahiro, Rintaro Hasegawa, Peifei Zhu, Hirokatsu Kataoka
• Abstract要約: 生成タスクのためのディープニューラルネットワーク(DNN)手法の最近の進歩は、文書偽造の脅威を増幅する可能性がある。 本研究では,FD-VIEDと呼ばれる文書偽画像のトレーニングデータセットを構築し,攻撃の可能性をエミュレートする。 実験では,本手法が検出性能を向上させることを実証した。
• 参考スコア（独自算出の注目度）: 7.585489507445007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, document processing has flourished and brought numerous benefits. However, there has been a significant rise in reported cases of forged document images. Specifically, recent advancements in deep neural network (DNN) methods for generative tasks may amplify the threat of document forgery. Traditional approaches for forged document images created by prevalent copy-move methods are unsuitable against those created by DNN-based methods, as we have verified. To address this issue, we construct a training dataset of document forgery images, named FD-VIED, by emulating possible attacks, such as text addition, removal, and replacement with recent DNN-methods. Additionally, we introduce an effective pre-training approach through self-supervised learning with both natural images and document images. In our experiments, we demonstrate that our approach enhances detection performance.
• Abstract（参考訳）: 近年、文書処理が盛んになり、多くの利益をもたらした。 しかし, 偽造文書画像の報告例は著しい増加傾向にある。 特に、生成タスクのためのディープニューラルネットワーク(dnn)メソッドの最近の進歩は、文書偽造の脅威を増幅する可能性がある。 一般的なコピー-ムーブ法で作成された文書画像に対する従来のアプローチは、DNNベースの手法で作成されたものとは相容れない。 この問題に対処するために,テキストの追加,削除,最近のDNNメソッドへの置き換えなどの攻撃をエミュレートすることで,文書偽造画像のトレーニングデータセットFD-VIEDを構築した。 さらに,自然画像と文書画像の両方を用いた自己教師付き学習による効果的な事前学習手法を提案する。 実験では,本手法が検出性能を向上させることを示す。

関連論文リスト

• Geometry Restoration and Dewarping of Camera-Captured Document Images [0.0]
  本研究では,カメラが捉えた紙文書のデジタル画像のトポロジを復元する手法の開発に焦点をあてる。 本手法では,文書アウトライン検出に深層学習(DL)を用い,次いでコンピュータビジョン(CV)を用いてトポロジカル2Dグリッドを作成する。
  論文  参考訳（メタデータ） (2025-01-06T17:12:19Z)
• Transductive Learning for Near-Duplicate Image Detection in Scanned Photo Collections [0.0]
  本稿では,実世界のユースケースシナリオにおける近距離画像検出技術の比較研究について述べる。 本稿では、畳み込みニューラルネットワーク(CNN)や視覚変換器(ViT)といった最先端のディープラーニングアーキテクチャを活用するトランスダクティブ学習手法を提案する。 提案手法は,UKBenchと社内のプライベートデータセットにおいて,ほぼ重複画像検出のタスクにおいて,ベースライン手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-25T09:56:15Z)
• Detecting Generated Images by Real Images Only [64.12501227493765]
  既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。 本稿では,新たな視点から生成した画像検出問題にアプローチする。 実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
  論文  参考訳（メタデータ） (2023-11-02T03:09:37Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• DocMAE: Document Image Rectification via Self-supervised Representation Learning [144.44748607192147]
  文書画像修正のための新しい自己教師型フレームワークDocMAEを提案する。 まず、背景を除いた文書画像のランダムなパッチをマスクし、欠落したピクセルを再構成する。 このような自己教師型学習手法により、ネットワークは変形文書の本質的な構造を学習することが奨励される。
  論文  参考訳（メタデータ） (2023-04-20T14:27:15Z)
• Deep Unrestricted Document Image Rectification [110.61517455253308]
  文書画像修正のための新しい統合フレームワークDocTr++を提案する。 我々は,階層型エンコーダデコーダ構造を多スケール表現抽出・解析に適用することにより,元のアーキテクチャをアップグレードする。 実際のテストセットとメトリクスをコントリビュートして、修正品質を評価します。
  論文  参考訳（メタデータ） (2023-04-18T08:00:54Z)
• Augraphy: A Data Augmentation Library for Document Images [59.457999432618614]
  Augraphyはデータ拡張パイプラインを構築するためのPythonライブラリである。 標準的なオフィス操作によって変更されたように見えるクリーンなドキュメントイメージの拡張版を作成するための戦略を提供する。
  論文  参考訳（メタデータ） (2022-08-30T22:36:19Z)
• DiT: Self-supervised Pre-training for Document Image Transformer [85.78807512344463]
  自己教師付き文書画像変換モデルであるDiTを提案する。 さまざまなビジョンベースのDocument AIタスクでは,バックボーンネットワークとしてDiTを活用しています。 実験結果から, 自己教師付き事前訓練型DiTモデルにより, 新たな最先端結果が得られることが示された。
  論文  参考訳（メタデータ） (2022-03-04T15:34:46Z)
• RectiNet-v2: A stacked network architecture for document image dewarping [16.249023269158734]
  本稿では,入力として使用する歪文書から歪みのない文書画像を生成することができるエンドツーエンドCNNアーキテクチャを提案する。 我々は、このモデルを、十分な自然データ不足を補うために、合成的にシミュレートされた歪んだ文書画像に基づいて訓練する。 我々は,この領域のベンチマークであるDocUNetデータセットを用いて本手法の評価を行い,最先端の手法に匹敵する結果を得た。
  論文  参考訳（メタデータ） (2021-02-01T19:26:17Z)
• Multiple Document Datasets Pre-training Improves Text Line Detection With Deep Neural Networks [2.5352713493505785]
  本稿では,文書レイアウト解析タスクのための完全畳み込みネットワークを提案する。 Doc-UFCNは、歴史的文書から物体を検出するためにゼロから訓練されたU字型モデルを用いています。 Doc-UFCNが様々なデータセットの最先端のメソッドより優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-28T09:48:33Z)

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。