論文の概要: SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints

• arxiv url: http://arxiv.org/abs/2412.09981v1
• Date: Fri, 13 Dec 2024 09:08:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:03:59.394874
• Title: SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints
• Title（参考訳）: SUMI-IFL: 十分かつ最小限の制約を考慮した画像フォージェリローカライゼーションのための情報理論フレームワーク
• Authors: Ziqi Sheng, Wei Lu, Xiangyang Luo, Jiantao Zhou, Xiaochun Cao,
• Abstract要約: イメージフォージェリーローカライゼーション (IFL) は, 改ざん画像誤用を防止し, 社会安全を守るための重要な技術である。 本稿では,情報理論IFL フレームワーク SUMI-IFL について紹介する。
• 参考スコア（独自算出の注目度）: 66.85363924364628
• License:
• Abstract: Image forgery localization (IFL) is a crucial technique for preventing tampered image misuse and protecting social safety. However, due to the rapid development of image tampering technologies, extracting more comprehensive and accurate forgery clues remains an urgent challenge. To address these challenges, we introduce a novel information-theoretic IFL framework named SUMI-IFL that imposes sufficiency-view and minimality-view constraints on forgery feature representation. First, grounded in the theoretical analysis of mutual information, the sufficiency-view constraint is enforced on the feature extraction network to ensure that the latent forgery feature contains comprehensive forgery clues. Considering that forgery clues obtained from a single aspect alone may be incomplete, we construct the latent forgery feature by integrating several individual forgery features from multiple perspectives. Second, based on the information bottleneck, the minimality-view constraint is imposed on the feature reasoning network to achieve an accurate and concise forgery feature representation that counters the interference of task-unrelated features. Extensive experiments show the superior performance of SUMI-IFL to existing state-of-the-art methods, not only on in-dataset comparisons but also on cross-dataset comparisons.
• Abstract（参考訳）: イメージフォージェリーローカライゼーション (IFL) は, 改ざん画像誤用を防止し, 社会安全を守るための重要な技術である。 しかし、画像改ざん技術の急速な発展により、より包括的で正確な偽造の手がかりを抽出することが急務である。 これらの課題に対処するため、我々はSUMI-IFLという新しい情報理論IFLフレームワークを導入する。 まず, 相互情報の理論的解析に基づいて, 特徴抽出ネットワークに十分視制約を課し, 潜在フォージェリー特徴が包括的フォージェリー手がかりを含むことを保証する。 一つの側面だけで得られる偽の手がかりが不完全である可能性があることを考慮し、複数の視点から複数の個別の偽の特徴を統合することにより、潜時偽の特徴を構築する。 第2に、情報ボトルネックに基づいて、タスク非関連特徴の干渉に対処する正確かつ簡潔な偽特徴表現を実現するために、特徴推論ネットワークに最小限の視点制約を課す。 実験により,SUMI-IFLが既存の最先端手法よりも優れた性能を示した。

関連論文リスト

• FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant [59.2438504610849]
  FFAA: Face Forgery Analysis Assistant(MLLM)とMIDS(Multi-Awer Intelligent Decision System)について紹介する。 提案手法は,ユーザフレンドリで説明可能な結果を提供するだけでなく,従来の手法に比べて精度と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-19T15:15:20Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• Multi-view Feature Extraction based on Triple Contrastive Heads [1.4467794332678539]
  三重コントラストヘッドに基づく新しい多視点特徴抽出法を提案する。 提案手法は,マルチビュー特徴抽出に強力な利点をもたらす。
  論文  参考訳（メタデータ） (2023-03-22T14:56:51Z)
• Trust your neighbours: Penalty-based constraints for model calibration [19.437451462590108]
  SVLSの制約付き最適化の観点を示し、周辺画素のソフトクラス比に暗黙の制約を課すことを示した。 本稿では,ロジット値の等式制約に基づく基本的かつ単純な解を提案し,強制制約と罰則の重みを明示的に制御する。
  論文  参考訳（メタデータ） (2023-03-11T01:10:26Z)
• Ontology-aware Network for Zero-shot Sketch-based Image Retrieval [6.40453257995913]
  Zero-Shot Sketch-Based Image Retrieval (ZSSBIR)は、新しいタスクである。 最近の研究は、三重項に基づく、あるいはコントラストに基づく、クラス間の情報の喪失を考慮し始めている。 これらの問題に対処するために,オントロジー・アウェア・ネットワーク(OAN)を提案する。
  論文  参考訳（メタデータ） (2023-02-20T15:44:41Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
  本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。 理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。 本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
  論文  参考訳（メタデータ） (2022-03-02T07:46:52Z)
• Mixed-supervised segmentation: Confidence maximization helps knowledge distillation [24.892332859630518]
  本研究では,ディープニューラルネットワークのためのデュアルブランチアーキテクチャを提案する。 上枝(教師)は強い注釈を受け、下枝(学生)は限られた監督によって駆動され、上枝が指導する。 エントロピーとKLの発散の相乗効果は性能を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2021-09-21T20:06:13Z)

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。