論文の概要: HRGR: Enhancing Image Manipulation Detection via Hierarchical Region-aware Graph Reasoning

• arxiv url: http://arxiv.org/abs/2410.21861v1
• Date: Tue, 29 Oct 2024 08:51:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:40:28.714109
• Title: HRGR: Enhancing Image Manipulation Detection via Hierarchical Region-aware Graph Reasoning
• Title（参考訳）: HRGR:階層型領域認識グラフ推論による画像操作検出の強化
• Authors: Xudong Wang, Yuezun Li, Huiyu Zhou, Jiaran Zhou, Junyu Dong,
• Abstract要約: 階層型領域認識グラフ推論(HRGR)と呼ばれる新しい手法について述べる。 既存のグリッド方式とは違って,新しい特徴分割戦略によって生成される不規則な形状のコンテンツコヒーレンス特徴領域に基づく画像相関をモデル化する。 本手法は完全に差別化可能であり,監視を必要とせず,エンドツーエンドで主流ネットワークにシームレスに統合することが可能である。
• 参考スコア（独自算出の注目度）: 41.99592210429157
• License:
• Abstract: Image manipulation detection is to identify the authenticity of each pixel in images. One typical approach to uncover manipulation traces is to model image correlations. The previous methods commonly adopt the grids, which are fixed-size squares, as graph nodes to model correlations. However, these grids, being independent of image content, struggle to retain local content coherence, resulting in imprecise detection. To address this issue, we describe a new method named Hierarchical Region-aware Graph Reasoning (HRGR) to enhance image manipulation detection. Unlike existing grid-based methods, we model image correlations based on content-coherence feature regions with irregular shapes, generated by a novel Differentiable Feature Partition strategy. Then we construct a Hierarchical Region-aware Graph based on these regions within and across different feature layers. Subsequently, we describe a structural-agnostic graph reasoning strategy tailored for our graph to enhance the representation of nodes. Our method is fully differentiable and can seamlessly integrate into mainstream networks in an end-to-end manner, without requiring additional supervision. Extensive experiments demonstrate the effectiveness of our method in image manipulation detection, exhibiting its great potential as a plug-and-play component for existing architectures.
• Abstract（参考訳）: 画像操作検出は、画像中の各ピクセルの正当性を特定することである。 操作トレースを明らかにするための典型的なアプローチの1つは、画像相関をモデル化することである。 従来の手法では、モデル相関のためのグラフノードとして、固定サイズの正方形であるグリッドが一般的である。 しかし、これらのグリッドは画像の内容とは無関係であり、局所的なコンテンツのコヒーレンスを維持するのに苦労し、不正確な検出を行う。 この問題に対処するために,階層型領域認識グラフ推論 (HRGR) と呼ばれる新しい手法について述べる。 既存のグリッド方式とは違って,新しい特徴分割戦略によって生成される不規則な形状のコンテンツコヒーレンス特徴領域に基づく画像相関をモデル化する。 次に、異なる特徴層内および横断するこれらの領域に基づいて階層的な領域対応グラフを構築します。 次に,ノードの表現性を高めるため,構造に依存しないグラフ推論戦略について述べる。 本手法は完全に差別化可能であり,監視を必要とせず,エンドツーエンドで主流ネットワークにシームレスに統合することが可能である。 画像操作検出における本手法の有効性を実証し,既存アーキテクチャのプラグ・アンド・プレイコンポーネントとしての可能性を示した。

関連論文リスト

• Dense Feature Interaction Network for Image Inpainting Localization [28.028361409524457]
  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。
  論文  参考訳（メタデータ） (2024-08-05T02:35:13Z)
• 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)
• BOURNE: Bootstrapped Self-supervised Learning Framework for Unified Graph Anomaly Detection [50.26074811655596]
  自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。 ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。 BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
  論文  参考訳（メタデータ） (2023-07-28T00:44:57Z)
• Joint Dense-Point Representation for Contour-Aware Graph Segmentation [2.138299283227551]
  本稿では,点と画素の輪郭表現を共同で学習することにより,グラフと高密度セグメンテーション技術を組み合わせた新しい手法を提案する。 これは、不整合目的がネットワークを識別的・輪郭的特徴の学習から制限する典型的なグラフ分割法における欠陥に対処する。 提案手法はいくつかのケストX線データセットで検証され,セグメンテーション安定性と精度の明確な改善が示された。
  論文  参考訳（メタデータ） (2023-06-21T10:07:17Z)
• Adaptive Graph Convolution Module for Salient Object Detection [7.278033100480174]
  本稿では,複雑なシーンを扱うための適応型グラフ畳み込みモジュール(AGCM)を提案する。 学習可能な領域生成層を用いて入力画像からプロトタイプ特徴を抽出する。 提案したAGCMは,SOD性能を定量的かつ定量的に劇的に向上させる。
  論文  参考訳（メタデータ） (2023-03-17T07:07:17Z)
• 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)
• Graph Representation Learning for Spatial Image Steganalysis [11.358487655918678]
  空間画像ステガナリシスのためのグラフ表現学習アーキテクチャを提案する。 詳細なアーキテクチャでは、各画像をグラフに変換し、ノードは画像のパッチを表し、エッジはパッチ間の局所的な関連を示す。 注意ネットワークにグラフを供給することにより、効率的なステガナリシスのための識別的特徴を学習することができる。
  論文  参考訳（メタデータ） (2021-10-03T09:09:08Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。