論文の概要: TMFNet: Two-Stream Multi-Channels Fusion Networks for Color Image Operation Chain Detection

• arxiv url: http://arxiv.org/abs/2409.07701v1
• Date: Thu, 12 Sep 2024 02:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-13 18:02:00.556925
• Title: TMFNet: Two-Stream Multi-Channels Fusion Networks for Color Image Operation Chain Detection
• Title（参考訳）: TMFNet:カラー画像操作連鎖検出のための2ストリームマルチチャネル融合ネットワーク
• Authors: Yakun Niu, Lei Tan, Lei Zhang, Xianyu Zuo,
• Abstract要約: カラー画像操作連鎖検出のための新しい2ストリーム多チャンネル融合ネットワークを提案する。 提案手法はJPEG圧縮に対するロバスト性を維持しつつ,最先端の一般化能力を実現する。
• 参考スコア（独自算出の注目度）: 9.346492393908322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image operation chain detection techniques have gained increasing attention recently in the field of multimedia forensics. However, existing detection methods suffer from the generalization problem. Moreover, the channel correlation of color images that provides additional forensic evidence is often ignored. To solve these issues, in this article, we propose a novel two-stream multi-channels fusion networks for color image operation chain detection in which the spatial artifact stream and the noise residual stream are explored in a complementary manner. Specifically, we first propose a novel deep residual architecture without pooling in the spatial artifact stream for learning the global features representation of multi-channel correlation. Then, a set of filters is designed to aggregate the correlation information of multi-channels while capturing the low-level features in the noise residual stream. Subsequently, the high-level features are extracted by the deep residual model. Finally, features from the two streams are fed into a fusion module, to effectively learn richer discriminative representations of the operation chain. Extensive experiments show that the proposed method achieves state-of-the-art generalization ability while maintaining robustness to JPEG compression. The source code used in these experiments will be released at https://github.com/LeiTan-98/TMFNet.
• Abstract（参考訳）: 近年,マルチメディア法医学分野において画像操作連鎖検出技術が注目されている。 しかし,既存の検出手法は一般化問題に悩まされている。 さらに、追加の法医学的証拠を提供するカラー画像のチャネル相関は無視されることが多い。 本稿では,空間アーチファクトストリームとノイズ残留ストリームを相補的に探索するカラー画像操作チェーン検出のための,新しい2ストリーム多チャンネル融合ネットワークを提案する。 具体的には,マルチチャネル相関のグローバルな特徴表現を学習するために,空間的アーティファクトストリームにプーリングすることなく,新たな奥行きアーキテクチャを提案する。 そして、ノイズ残差ストリーム内の低レベル特徴を捕捉しながら、マルチチャネルの相関情報を集約するフィルタセットを設計する。 その後, 深部残留モデルにより高次特徴を抽出する。 最後に、2つのストリームの特徴を融合モジュールに入力し、操作チェーンのよりリッチな識別表現を効果的に学習する。 実験により,提案手法はJPEG圧縮に対する堅牢性を維持しつつ,最先端の一般化能力を実現することを示す。 これらの実験で使用されたソースコードはhttps://github.com/LeiTan-98/TMFNetで公開される。

関連論文リスト

• Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image Fusion with Diffusion Models [54.952979335638204]
  本稿では,Dif-Fusionと呼ばれる拡散モデルを用いて,マルチチャネル入力データの分布を生成する手法を提案する。 我々の手法は、特にカラー忠実度において、他の最先端画像融合法よりも効果的である。
  論文  参考訳（メタデータ） (2023-01-19T13:37:19Z)
• CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion [138.40422469153145]
  本稿では,CDDFuse(Relationed-Driven Feature Decomposition Fusion)ネットワークを提案する。 近赤外可視画像融合や医用画像融合など,複数の融合タスクにおいてCDDFuseが有望な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-11-26T02:40:28Z)
• Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
  本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。 我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。 提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2022-04-19T17:59:45Z)
• Multi-Scale Feature Fusion: Learning Better Semantic Segmentation for Road Pothole Detection [9.356003255288417]
  本稿では,単一モーダルなセマンティックセグメンテーションに基づく新しいポットホール検出手法を提案する。 まず、畳み込みニューラルネットワークを用いて入力画像から視覚的特徴を抽出する。 チャネルアテンションモジュールは、異なるフィーチャーマップの一貫性を高めるために、チャネル機能を再考する。
  論文  参考訳（メタデータ） (2021-12-24T15:07:47Z)
• Hyperspectral Band Selection for Multispectral Image Classification with Convolutional Networks [0.0]
  ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。 本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-06-01T17:24:35Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
  畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。 ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。 提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
  論文  参考訳（メタデータ） (2020-03-15T11:04:30Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。