論文の概要: Image Copy-Move Forgery Detection and Localization Scheme: How to Avoid Missed Detection and False Alarm
- arxiv url: http://arxiv.org/abs/2406.03271v1
- Date: Wed, 5 Jun 2024 13:50:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 18:10:52.607074
- Title: Image Copy-Move Forgery Detection and Localization Scheme: How to Avoid Missed Detection and False Alarm
- Title（参考訳）: Image Copy-Move Forgery Detection and Localization Scheme:ミス検出と偽アラームを回避する方法
- Authors: Li Jiang, Zhaowei Lu, Yuebing Gao, Yifan Wang,
- Abstract要約: 画像コピー-ムーブ(英: Image copy-move)は、画像の一部が同じ画像の別の部分に置き換えられる操作であり、違法な目的に使用できる。
近年の研究では、キーポイントに基づくアルゴリズムは、優れた、ロバストなローカライゼーション性能を達成している。
しかし、入力画像が低解像度である場合、既存のキーポイントベースのアルゴリズムのほとんどは、十分なキーポイントを生成するのが困難である。
- 参考スコア（独自算出の注目度）: 10.135979083516174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image copy-move is an operation that replaces one part of the image with another part of the same image, which can be used for illegal purposes due to the potential semantic changes. Recent studies have shown that keypoint-based algorithms achieved excellent and robust localization performance even when small or smooth tampered areas were involved. However, when the input image is low-resolution, most existing keypoint-based algorithms are difficult to generate sufficient keypoints, resulting in more missed detections. In addition, existing algorithms are usually unable to distinguish between Similar but Genuine Objects (SGO) images and tampered images, resulting in more false alarms. This is mainly due to the lack of further verification of local homography matrix in forgery localization stage. To tackle these problems, this paper firstly proposes an excessive keypoint extraction strategy to overcome missed detection. Subsequently, a group matching algorithm is used to speed up the matching of excessive keypoints. Finally, a new iterative forgery localization algorithm is introduced to quickly form pixel-level localization results while ensuring a lower false alarm. Extensive experimental results show that our scheme has superior performance than state-of-the-art algorithms in overcoming missed detection and false alarm. Our code is available at https://github.com/LUZW1998/CMFDL.
- Abstract（参考訳）: 画像コピー-ムーブ(英: Image copy-move)は、画像の一部が同じ画像の別の部分に置き換えられる操作である。
近年の研究では、キーポイントに基づくアルゴリズムは、小さい領域や滑らかな領域が関与している場合でも、優れた、ロバストなローカライゼーション性能を達成することが示されている。
しかし、入力画像が低解像度である場合、既存のキーポイントベースのアルゴリズムのほとんどは十分なキーポイントを生成するのが困難であり、より多くの検出が失われる。
加えて、既存のアルゴリズムは、通常、類似しているが、SGO(Genuine Objects)イメージと改ざんされたイメージを区別できないため、より多くの誤報が発生する。
これは主に、フォージェリーローカライゼーション段階における局所的ホモグラフィ行列のさらなる検証の欠如によるものである。
これらの問題に対処するために、まず、欠落検出を克服するための過剰なキーポイント抽出戦略を提案する。
その後、過剰なキーポイントのマッチングを高速化するためにグループマッチングアルゴリズムが使用される。
最後に、画素レベルのローカライゼーション結果を高速に形成するために、より低い偽アラームを確保しつつ、新しい反復フォージェリーローカライゼーションアルゴリズムを導入する。
大規模な実験結果から,提案手法は検出ミスや誤報を克服する上で,最先端のアルゴリズムよりも優れた性能を示した。
私たちのコードはhttps://github.com/LUZW1998/CMFDLで公開されています。
関連論文リスト
- Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。
本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
論文 参考訳（メタデータ） (2024-07-16T12:39:56Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - An Effective Image Copy-Move Forgery Detection Using Entropy Information [5.882089693239905]
本稿ではエントロピー画像を導入し,スケール不変特徴変換検出器に基づくキーポイントの座標とスケールを決定する。
重なり合うエントロピーレベルのクラスタリングアルゴリズムは、キーポイントにおける灰色の値の非理想分布に起因するマッチング複雑性の増大を軽減するために開発された。
論文 参考訳（メタデータ） (2023-12-19T02:09:38Z) - An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。
両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
論文 参考訳（メタデータ） (2023-07-30T13:43:27Z) - BALF: Simple and Efficient Blur Aware Local Feature Detector [14.044093492945334]
局所特徴検出は多くの画像処理とコンピュータビジョンアプリケーションの主要な要素である。
本稿では,不明瞭な画像中の有意なキーポイントを正確に局所化できる,効率的かつ効果的なキーポイント検出法を提案する。
本手法は, 新たな多層パーセプトロン(MLP)アーキテクチャの利点を生かし, ぼやけた画像の検出再現性を著しく向上させる。
論文 参考訳（メタデータ） (2022-11-27T05:29:57Z) - Fast Key Points Detection and Matching for Tree-Structured Images [4.929206987094714]
本稿では,木状パターンを用いたナノ解像度視覚識別子の画像マッチングに基づく新しい認証アルゴリズムを提案する。
提案アルゴリズムは様々な木構造画像マッチングに適用できるが,近年開発された視覚的識別子であるデンドライトに焦点をあてる。
論文 参考訳（メタデータ） (2022-11-07T00:22:56Z) - Shrinking the Semantic Gap: Spatial Pooling of Local Moment Invariants
for Copy-Move Forgery Detection [7.460203098159187]
Copy-move forgeryは、特定のパッチをコピー&ペーストして画像に貼り付ける操作で、潜在的に違法または非倫理的使用がある。
コピー・ムーブ・フォージェリーの法医学的手法の進歩は,検出精度とロバスト性の向上に寄与している。
自己相似性が高い画像や強い信号の破損のある画像の場合、既存のアルゴリズムはしばしば非効率なプロセスと信頼性の低い結果を示す。
論文 参考訳（メタデータ） (2022-07-19T09:11:43Z) - Learning Hierarchical Graph Representation for Image Manipulation
Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。
最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。
本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文 参考訳（メタデータ） (2022-01-15T01:54:25Z) - An Effective and Robust Detector for Logo Detection [58.448716977297565]
一部の攻撃者は、よく訓練されたロゴ検出モデルを侵害で騙している。
本稿では,2回検討する機構に基づく新しいロゴ検出手法を提案する。
我々は,デテクトRSアルゴリズムを,等化損失関数,マルチスケール変換,および逆データ拡張を備えたカスケードスキーマに拡張する。
論文 参考訳（メタデータ） (2021-08-01T10:17:53Z) - DetCo: Unsupervised Contrastive Learning for Object Detection [64.22416613061888]
教師なしのコントラスト学習は,CNNを用いた画像表現学習において大きな成功を収めている。
我々は,グローバルイメージとローカルイメージパッチのコントラストをフルに検討する,DetCoという新しいコントラスト学習手法を提案する。
DetCoは1倍のスケジュールでMask RCNN-C4/FPN/RetinaNet上で1.6/1.2/1.0 APで教師付き手法を一貫して上回っている。
論文 参考訳（メタデータ） (2021-02-09T12:47:20Z) - A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。
私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。
コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
論文 参考訳（メタデータ） (2020-05-11T19:25:28Z)
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。