論文の概要: Localization of Synthetic Manipulations in Western Blot Images

• arxiv url: http://arxiv.org/abs/2408.13786v1
• Date: Sun, 25 Aug 2024 09:29:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 17:49:53.865023
• Title: Localization of Synthetic Manipulations in Western Blot Images
• Title（参考訳）: 西部ブロット画像における合成マニピュレーションの局在化
• Authors: Anmol Manjunath, Viola Negroni, Sara Mandelli, Daniel Moreira, Paolo Bestagini,
• Abstract要約: 局所的な画像操作は、デジタルコンテンツと社会的信頼の整合性に深刻な課題をもたらす。 本研究では,西洋のブロット画像における合成操作の局所化という課題に対処する。 解析画像のプリスタンと合成画素を識別するために,画像から抽出した小さなパッチで動作する合成検出器を提案する。
• 参考スコア（独自算出の注目度）: 10.429171869680669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent breakthroughs in deep learning and generative systems have significantly fostered the creation of synthetic media, as well as the local alteration of real content via the insertion of highly realistic synthetic manipulations. Local image manipulation, in particular, poses serious challenges to the integrity of digital content and societal trust. This problem is not only confined to multimedia data, but also extends to biological images included in scientific publications, like images depicting Western blots. In this work, we address the task of localizing synthetic manipulations in Western blot images. To discriminate between pristine and synthetic pixels of an analyzed image, we propose a synthetic detector that operates on small patches extracted from the image. We aggregate patch contributions to estimate a tampering heatmap, highlighting synthetic pixels out of pristine ones. Our methodology proves effective when tested over two manipulated Western blot image datasets, one altered automatically and the other manually by exploiting advanced AI-based image manipulation tools that are unknown at our training stage. We also explore the robustness of our method over an external dataset of other scientific images depicting different semantics, manipulated through unseen generation techniques.
• Abstract（参考訳）: 近年の深層学習と生成システムにおけるブレークスルーは, 合成メディアの創出や, リアルな合成操作の挿入による実物の局所的な変化を著しく促進している。 特に局所的な画像操作は、デジタルコンテンツと社会的信頼の整合性に深刻な課題をもたらす。 この問題はマルチメディアデータに限らず、西洋のブロットを描いた画像のような科学出版物に含まれる生物学的画像にも及んでいる。 本研究では,西洋のブロット画像における合成操作の局所化という課題に対処する。 解析画像のプリスタンと合成画素を識別するために,画像から抽出した小さなパッチで動作する合成検出器を提案する。 パッチのコントリビューションを集約して、未処理のヒートマップを推定し、プリスタントから合成ピクセルをハイライトする。 我々の手法は、トレーニング段階で未知の高度なAIベースの画像操作ツールを活用することで、2つの操作された西洋のブロット画像データセットに対して、1つが自動的に変更され、もう1つが手動でテストされた場合に有効であることを示す。 また,本手法のロバスト性について,未知の生成技術を用いて操作した,異なる意味を表現した他の科学的画像の外部データセットを用いて検討する。

関連論文リスト

• When Synthetic Traces Hide Real Content: Analysis of Stable Diffusion Image Laundering [18.039034362749504]
  近年、高度にリアルな合成画像を作成する方法が大幅に進歩している。 SDオートエンコーダを介して画像を渡すことで、画像の合成コピーを高いリアリズムで再現することができ、視覚的アーティファクトはほとんどない。 このプロセスはSD画像ロンダリング(SD image laundering)と呼ばれ、実際の画像を見た目の合成画像に変換することができ、コンテンツ認証のための法医学的分析を複雑にするリスクがある。
  論文  参考訳（メタデータ） (2024-07-15T14:01:35Z)
• Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
  ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。 合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。 提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-03-28T22:25:05Z)
• Bridging Synthetic and Real Worlds for Pre-training Scene Text Detectors [54.80516786370663]
  FreeRealは、SDと実際のデータの相補的な強みを可能にする、実際のドメイン整合型事前トレーニングパラダイムである。 GlyphMixは、合成画像を落書きのようなユニットとして実際の画像に埋め込む。 FreeRealは、4つの公開データセットで、既存の事前トレーニングメソッドよりも大幅にパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2023-12-08T15:10:55Z)
• Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
  我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。 提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。 生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-10-09T10:22:08Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• Generalizable Synthetic Image Detection via Language-guided Contrastive Learning [22.4158195581231]
  偽ニュースの拡散や偽のプロフィールの作成などの合成画像の真偽の使用は、画像の真正性に関する重要な懸念を提起する。 本稿では,言語指導によるコントラスト学習と検出問題の新たな定式化による,シンプルで効果的な合成画像検出手法を提案する。 提案したLanguAge-guided SynThEsis Detection (LASTED) モデルでは,画像生成モデルに対する一般化性が大幅に向上していることが示されている。
  論文  参考訳（メタデータ） (2023-05-23T08:13:27Z)
• Between Generating Noise and Generating Images: Noise in the Correct Frequency Improves the Quality of Synthetic Histopathology Images for Digital Pathology [0.0]
  合成画像は、既存のデータセットを拡張し、AIアルゴリズムを改善し、検証する。 意味マスクに適切な空間周波数でランダムな単一画素ノイズを導入することで,合成画像の品質が劇的に向上することを示す。 我々の研究は、制限のないデータセットに対する需要に基づいて合成データを生成するためのシンプルで強力なアプローチを示唆している。
  論文  参考訳（メタデータ） (2023-02-13T17:49:24Z)
• On the detection of synthetic images generated by diffusion models [18.12766911229293]
  拡散モデル(DM)に基づく手法が注目されている。 DMはテキストベースのビジュアルコンテンツの作成を可能にする。 悪意のあるユーザーは、自分の攻撃に完全に適合した偽のメディアを生成し、配布することができる。
  論文  参考訳（メタデータ） (2022-11-01T18:10:55Z)
• Forensic Analysis of Synthetically Generated Scientific Images [46.399168713651186]
  人工的に生成した西洋ブロック画像の検出に焦点をあてる。 西洋のブロット画像は、生物医学の文献で主に研究されている。 我々は14K以上の西部ブロック画像と18Kの合成西部ブロック画像からなる新しいデータセットを作成する。
  論文  参考訳（メタデータ） (2021-12-16T09:44:31Z)
• Semantic Photo Manipulation with a Generative Image Prior [86.01714863596347]
  GANは、ユーザスケッチ、テキスト、セマンティックラベルなどの入力に条件付きイメージを合成することができる。 GANが入力画像を正確に再現することは困難である。 本稿では,GANが以前に学んだイメージを個々の画像の統計に適応させることにより,これらの問題に対処する。 提案手法は,入力画像の外観と一致して,入力画像を正確に再構成し,新たなコンテンツを合成することができる。
  論文  参考訳（メタデータ） (2020-05-15T18:22:05Z)

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。