論文の概要: Dense Feature Interaction Network for Image Inpainting Localization
- arxiv url: http://arxiv.org/abs/2408.02191v1
- Date: Mon, 5 Aug 2024 02:35:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 14:45:49.807169
- Title: Dense Feature Interaction Network for Image Inpainting Localization
- Title（参考訳）: 画像インポーティング・ローカライゼーションのためのDense Feature Interaction Network
- Authors: Ye Yao, Tingfeng Han, Shan Jia, Siwei Lyu,
- Abstract要約: 画像の悪質な操作において、画像内容の隠蔽や改ざんに使用することができる。
既存の手法は主に基本的なエンコーダ・デコーダ構造に依存しており、多くの場合、偽陽性が多くなる。
本稿では,Dense Feature Interaction Network (DeFI-Net) に基づく新しい塗り絵検出手法について述べる。
- 参考スコア（独自算出の注目度）: 28.028361409524457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image inpainting, which is the task of filling in missing areas in an image, is a common image editing technique. Inpainting can be used to conceal or alter image contents in malicious manipulation of images, driving the need for research in image inpainting detection. Existing methods mostly rely on a basic encoder-decoder structure, which often results in a high number of false positives or misses the inpainted regions, especially when dealing with targets of varying semantics and scales. Additionally, the absence of an effective approach to capture boundary artifacts leads to less accurate edge localization. In this paper, we describe a new method for inpainting detection based on a Dense Feature Interaction Network (DeFI-Net). DeFI-Net uses a novel feature pyramid architecture to capture and amplify multi-scale representations across various stages, thereby improving the detection of image inpainting by better revealing feature-level interactions. Additionally, the network can adaptively direct the lower-level features, which carry edge and shape information, to refine the localization of manipulated regions while integrating the higher-level semantic features. Using DeFI-Net, we develop a method combining complementary representations to accurately identify inpainted areas. Evaluation on five image inpainting datasets demonstrate the effectiveness of our approach, which achieves state-of-the-art performance in detecting inpainting across diverse models.
- Abstract（参考訳）: 画像中の欠落箇所を埋める作業である画像インペインティングは、一般的な画像編集技術である。
画像の悪質な操作において、画像内容の隠蔽や改ざんが可能であるため、画像の塗布検出の研究の必要性が増す。
既存の手法は、主に基本的なエンコーダ・デコーダ構造に依存しており、特に様々な意味論やスケールのターゲットを扱う場合、多くの場合、多くの偽陽性が生じる。
さらに、境界アーティファクトをキャプチャするための効果的なアプローチがないため、エッジローカライゼーションの精度は低下する。
本稿では,Dense Feature Interaction Network (DeFI-Net) に基づく検出手法を提案する。
DeFI-Netは、様々なステージにわたるマルチスケール表現のキャプチャと増幅に、新しい特徴ピラミッドアーキテクチャを使用し、特徴レベルの相互作用をよりよく明らかにすることで、画像のインパインティングの検出を改善する。
さらに、エッジ情報や形状情報を含む低レベルの特徴を適応的に指示することで、高レベルの意味的特徴を統合しつつ、操作された領域の局所化を洗練することができる。
そこで我々は,DeFI-Netを用いて相補表現を組み合わせる手法を開発した。
5つの画像インパインティングデータセットの評価により,多種多様なモデルのインパインティング検出における最先端性能を実現するアプローチの有効性が示された。
関連論文リスト
- Perceptual Artifacts Localization for Inpainting [60.5659086595901]
そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。
データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。
また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
論文 参考訳（メタデータ） (2022-08-05T18:50:51Z) - Cylin-Painting: Seamless {360\textdegree} Panoramic Image Outpainting
and Beyond [136.18504104345453]
塗り絵と塗り絵の間に有意義な協調関係を持つキリン塗り絵の枠組みを提示する。
提案アルゴリズムは、オブジェクト検出、深さ推定、画像超解像などの他のパノラマ視覚タスクに効果的に拡張できる。
論文 参考訳（メタデータ） (2022-04-18T21:18:49Z) - ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。
画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。
各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-03-28T12:27:34Z) - Adaptive Image Inpainting [43.02281823557039]
ディープニューラルネットワークを使用することで、塗装法は大幅に改善されている。
この問題は、欠落した領域の完全かつ忠実な埋め込みを構築する際のエンコーダ層の非効率性に根ざしている。
本稿では, エンコーダ層に対して, 直接的特徴レベルの監視を行う蒸留方式を提案する。
論文 参考訳（メタデータ） (2022-01-01T12:16:01Z) - Restore from Restored: Single-image Inpainting [9.699531255678856]
インペイントネットワークのための,新しい,効率的な自己教師型微調整アルゴリズムを提案する。
既存の自己相似パッチを用いて,事前学習した塗装ネットワークのパラメータを更新する。
公開されているベンチマークデータセット上で、最先端の塗装結果を得る。
論文 参考訳（メタデータ） (2021-10-25T11:38:51Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2021-07-13T02:59:31Z) - Noise Doesn't Lie: Towards Universal Detection of Deep Inpainting [42.189768203036394]
本研究は, ディープ・インパインティングの普遍的検出に向けた最初の試みであり, 検出ネットワークの一般化を図っている。
提案手法は,既存の検出手法を大きなマージンで上回り,未確認の深層塗膜技術に最適化する。
論文 参考訳（メタデータ） (2021-06-03T01:29:29Z) - Restore from Restored: Single-image Inpainting [9.699531255678856]
本論文では,絵画ネットワークにおける自己監督型微調整アルゴリズムについて述べる。
入力画像内の既存の自己相似パッチを利用して,事前学習したネットワークのパラメータをアップグレードする。
公開ベンチマークデータセットで最先端のインペインティング結果を達成します。
論文 参考訳（メタデータ） (2021-02-16T10:59:28Z) - GIID-Net: Generalizable Image Inpainting Detection via Neural
Architecture Search and Attention [19.599993572921065]
画像インペイントツールの悪意ある使用により、画像データの信頼性に対する脅威が増大した。
偽造防止のために,giid-net(end-to-end generalizable image inpainting detection network)を提案する。
提案するgiid-netは,拡張ブロック,抽出ブロック,決定ブロックの3つのサブブロックからなる。
論文 参考訳（メタデータ） (2021-01-19T02:29:40Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-29T14:46:05Z) - Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。
提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
論文 参考訳（メタデータ） (2020-07-21T04:03:22Z)
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。