論文の概要: Determining Intent of Changes to Ascertain Fake Crowdsourced Image Services
- arxiv url: http://arxiv.org/abs/2403.12045v1
- Date: Sat, 11 Nov 2023 11:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 07:56:27.259146
- Title: Determining Intent of Changes to Ascertain Fake Crowdsourced Image Services
- Title（参考訳）: クラウドソーシング画像サービスに対する変更内容の決定
- Authors: Muhammad Umair, Athman Bouguettaya, Abdallah Lakhdari,
- Abstract要約: ソーシャルメディア上のクラウドソースイメージを画像サービスとしてモデル化し,表現するために,サービス指向のアプローチを用いる。
我々は、変更の意図を、偽画像サービスを確認するための重要なパラメータとして定義する。
画像のセマンティクスの変化を考慮した基礎的変化の意図を推定する新しい枠組みを提案する。
- 参考スコア（独自算出の注目度）: 2.643572340692837
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a novel framework for crowdsourced images to determine the likelihood of an image being fake. We use a service-oriented approach to model and represent crowdsourced images uploaded on social media, as image services. Trust may, in some circumstances, be determined by using only the non-functional attributes of an image service, i.e., image metadata. We define intention of changes as a key parameter to ascertain fake image services. A novel framework is proposed to estimate the intention of underlying changes considering change in semantics of an image. Our experiments show high accuracy using a large real dataset.
- Abstract（参考訳）: 画像が偽物である可能性を判定するクラウドソース画像のための新しいフレームワークを提案する。
我々は、ソーシャルメディアにアップロードされたクラウドソースイメージを、画像サービスとしてモデル化し、表現するために、サービス指向のアプローチを採用している。
信頼は、ある状況において、画像サービスの非機能属性、すなわち画像メタデータのみを使用することで決定することができる。
我々は、変更の意図を、偽画像サービスを確認するための重要なパラメータとして定義する。
画像のセマンティクスの変化を考慮した基礎的変化の意図を推定する新しい枠組みを提案する。
実験では,大規模な実データを用いた高精度な実験を行った。
関連論文リスト
- Conditional Diffusion on Web-Scale Image Pairs leads to Diverse Image Variations [32.892042877725125]
現在の画像変化技術では、同じ画像に条件付けされた入力画像の再構成にテキスト・ツー・イメージ・モデルを適用する。
凍結した埋め込み画像から入力画像の再構成を訓練した拡散モデルにより,小さなバリエーションで画像の再構成が可能であることを示す。
本稿では,画像ペアの集合を用いて画像の変動を生成するための事前学習手法を提案する。
論文 参考訳（メタデータ） (2024-05-23T17:58:03Z) - Adapt Anything: Tailor Any Image Classifiers across Domains And
Categories Using Text-to-Image Diffusion Models [82.95591765009105]
我々は,現代テキスト・画像拡散モデルが,ドメインやカテゴリ間でタスク適応型画像分類器をカスタマイズできるかどうかを検討することを目的とする。
対象のテキストプロンプトから派生したカテゴリラベルを用いた画像合成には,1つのオフ・ザ・シェルフテキスト・ツー・イメージモデルのみを用いる。
論文 参考訳（メタデータ） (2023-10-25T11:58:14Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。
中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。
我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
論文 参考訳（メタデータ） (2021-03-08T13:16:19Z) - Enjoy Your Editing: Controllable GANs for Image Editing via Latent Space
Navigation [136.53288628437355]
コントロール可能なセマンティックイメージ編集により、ユーザーはクリック数回で画像属性全体を変更できる。
現在のアプローチでは、絡み合った属性編集、グローバルなイメージアイデンティティの変更、フォトリアリズムの低下に悩まされることが多い。
本稿では,主に定性評価に焦点を当てた先行研究とは異なり,制御可能な編集性能を測定するための定量的評価手法を提案する。
論文 参考訳（メタデータ） (2021-02-01T21:38:36Z) - Retrieval Guided Unsupervised Multi-domain Image-to-Image Translation [59.73535607392732]
画像から画像への変換は、ある視覚領域から別の領域へ画像を変換するマッピングを学ぶことを目的としている。
本稿では,画像から画像への変換作業を支援するための画像検索システムを提案する。
論文 参考訳（メタデータ） (2020-08-11T20:11:53Z) - Self-Supervised Representation Learning on Document Images [8.927538538637783]
パッチベースの事前学習は,異なる構造特性とサンプル内セマンティック情報が乏しいため,文書画像上では不十分であることを示す。
そこで本稿では,Tobacco-3482画像分類タスクの性能向上のための2つのコンテキスト認識手法を提案する。
論文 参考訳（メタデータ） (2020-04-18T10:14:06Z) - Semantic Image Manipulation Using Scene Graphs [105.03614132953285]
本稿では,星座変更や画像編集を直接監督する必要のないシーングラフネットワークを提案する。
これにより、追加のアノテーションを使わずに、既存の実世界のデータセットからシステムをトレーニングすることができる。
論文 参考訳（メタデータ） (2020-04-07T20:02:49Z)
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。