論文の概要: Dual JPEG Compatibility: a Reliable and Explainable Tool for Image Forensics
- arxiv url: http://arxiv.org/abs/2408.17106v2
- Date: Mon, 07 Apr 2025 11:38:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 14:05:20.883034
- Title: Dual JPEG Compatibility: a Reliable and Explainable Tool for Image Forensics
- Title(参考訳): Dual JPEG Compatibility:画像鑑定のための信頼性と説明可能なツール
- Authors: Etienne Levecque, Jan Butora, Patrick Bas,
- Abstract要約: JPEGパイプライン(圧縮または非圧縮)が与えられると、この論文は8x8ブロックの先行部分を見つける方法を示す。
高次元空間におけるブロック前駆体発見の鍵となる課題に対処する手法を提案する。
JPEG圧縮後に印加された塗布,複写,スプライシングは,3つの異なるミスマッチ問題を検出できることを示す。
- 参考スコア(独自算出の注目度): 13.859669037499769
- License:
- Abstract: Given a JPEG pipeline (compression or decompression), this paper demonstrates how to find the antecedent of an 8x8 block. If it exists, the block is considered compatible with the pipeline. For unaltered images, all blocks remain compatible with the original pipeline; however, for manipulated images, this is not necessarily true. This article provides a first demonstration of the potential of compatibility-based approaches for JPEG image forensics. It introduces a method to address the key challenge of finding a block antecedent in a high-dimensional space, relying on a local search algorithm with restrictions on the search space. We show that inpainting, copy-move, and splicing, when applied after JPEG compression, result in three distinct mismatch problems that can be detected. In particular, if the image is re-compressed after modification, the manipulation can be detected when the quality factor of the second compression is higher than that of the first. Through extensive experiments, we highlight the potential of this compatibility attack under varying degrees of assumptions. While our approach shows promising results-outperforming three state-of-the-art deep learning models in an idealized setting-it remains a proof of concept rather than an off-the-shelf forensic tool. Notably, with a perfect knowledge of the JPEG pipeline, our method guarantees zero false alarms in block-by-block localization, given sufficient computational power.
- Abstract(参考訳): JPEGパイプライン(圧縮または非圧縮)が与えられると、この論文は8x8ブロックの先行部分を見つける方法を示す。
存在する場合、ブロックはパイプラインと互換性があると考えられる。
修正されていない画像の場合、全てのブロックは元のパイプラインと互換性があるが、操作された画像の場合、必ずしもそうではない。
本稿では、JPEG画像鑑定における互換性に基づくアプローチの可能性を初めて示す。
探索空間に制約のある局所探索アルゴリズムに頼って,高次元空間において先行するブロックを見つけるという重要な課題に対処する手法を提案する。
JPEG圧縮後に印加された塗布,複写,スプライシングは,3つの異なるミスマッチ問題を検出できることを示す。
特に、修正後に画像が再圧縮された場合、第2圧縮の品質係数が第1圧縮値よりも高い場合に、操作を検出することができる。
広範な実験を通じて、様々な仮定の下で、この互換性攻撃の可能性を強調した。
われわれの手法は、最先端の3つのディープラーニングモデルに対して、理想的な設定で優れた結果を示すが、それでも、市販の法医学ツールというよりは概念実証のままである。
特に、JPEGパイプラインの完全な知識により、計算能力が十分であれば、ブロックごとのローカライゼーションにおいて、偽のアラームがゼロとなることが保証される。
関連論文リスト
- Compression-Aware One-Step Diffusion Model for JPEG Artifact Removal [56.307484956135355]
CODiffはJPEGアーティファクト削除のための圧縮対応ワンステップ拡散モデルである。
明示的な学習と暗黙的な学習を組み合わせた二重学習戦略を提案する。
その結果,CODiffは定量的および視覚的品質指標の両方において,最近の先行手法を超越していることがわかった。
論文 参考訳(メタデータ) (2025-02-14T02:46:27Z) - OAPT: Offset-Aware Partition Transformer for Double JPEG Artifacts Removal [11.880153842710776]
OAPTと呼ばれるJPEGアーティファクト除去のためのオフセット対応分割変換器を提案する。
8×8ブロック毎に最大4パターンのJPEG圧縮を行う。
OAPTは圧縮オフセット予測器と画像再構成器の2つのコンポーネントから構成される。
論文 参考訳(メタデータ) (2024-08-21T09:47:54Z) - Recompression Based JPEG Tamper Detection and Localization Using Deep Neural Network Eliminating Compression Factor Dependency [2.8498944632323755]
本稿では,JPEG画像におけるrepression based forgeryの存在を検出することができる畳み込みニューラルネットワークに基づくディープラーニングアーキテクチャを提案する。
本研究では,リ圧縮機能に基づく画像操作領域のローカライズも目的とする。
論文 参考訳(メタデータ) (2024-07-03T09:19:35Z) - Unified learning-based lossy and lossless JPEG recompression [15.922937139019547]
本稿では,学習量子化テーブルとマルコフ階層型変分オートエンコーダから構成されるJPEG再圧縮フレームワークを提案する。
実験の結果,JPEGが上界に近づくと,任意に低歪みが得られることがわかった。
論文 参考訳(メタデータ) (2023-12-05T12:07:27Z) - Bitstream-Corrupted JPEG Images are Restorable: Two-stage Compensation
and Alignment Framework for Image Restoration [23.101965117344]
実世界のJPEG画像復元問題について,ビットストリームのビット誤りを用いて検討する。
本稿では、ロバストなJPEGデコーダと、2段階補正およびアライメントフレームワークを提案する。
ビット誤り率の異なる3つのベンチマークで実験を行う。
論文 参考訳(メタデータ) (2023-04-14T07:54:41Z) - Practical Learned Lossless JPEG Recompression with Multi-Level
Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。
実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
論文 参考訳(メタデータ) (2022-03-30T14:36:13Z) - Image Splicing Detection, Localization and Attribution via JPEG Primary
Quantization Matrix Estimation and Clustering [49.75353434786065]
画像領域の異なる2つのJPEGアーチファクトの不整合の検出は、しばしば局所的な画像操作を検出するために使用される。
ドナー画像の異なる領域を識別するエンド・ツー・エンドシステムを提案する。
論文 参考訳(メタデータ) (2021-02-02T11:21:49Z) - Towards Robust Data Hiding Against (JPEG) Compression: A
Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。
ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。
本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
論文 参考訳(メタデータ) (2020-12-30T12:30:09Z) - Learning to Improve Image Compression without Changing the Standard
Decoder [100.32492297717056]
本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。
具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。
JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
論文 参考訳(メタデータ) (2020-09-27T19:24:42Z) - Quantization Guided JPEG Artifact Correction [69.04777875711646]
我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。
これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
論文 参考訳(メタデータ) (2020-04-17T00:10:08Z) - Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。
エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。
ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文 参考訳(メタデータ) (2020-02-17T07:35:08Z)
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。