Fugu-MT 論文翻訳(概要): DF2023: The Digital Forensics 2023 Dataset for Image Forgery Detection

論文の概要: DF2023: The Digital Forensics 2023 Dataset for Image Forgery Detection

arxiv url: http://arxiv.org/abs/2503.22417v1
Date: Fri, 28 Mar 2025 13:31:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-31 15:29:21.809565
Title: DF2023: The Digital Forensics 2023 Dataset for Image Forgery Detection
Title（参考訳）: DF2023:画像偽造検知のための2023データセット
Authors: David Fischinger, Martin Boyer,
Abstract要約: 世論の故意な操作、特に変化したイメージによって、社会に重大な危険をもたらす。技術的レベルでこの問題に対処するために、Digital Forensics 2023(DF2023)トレーニングと検証データセットをリリースして、研究コミュニティを支援します。このデータセットは、ネットワークアーキテクチャの客観的比較を可能にし、研究者によるデータセット作成の時間と労力を大幅に削減することができる。
参考スコア（独自算出の注目度）: 0.4143603294943439
License:
Abstract: The deliberate manipulation of public opinion, especially through altered images, which are frequently disseminated through online social networks, poses a significant danger to society. To fight this issue on a technical level we support the research community by releasing the Digital Forensics 2023 (DF2023) training and validation dataset, comprising one million images from four major forgery categories: splicing, copy-move, enhancement and removal. This dataset enables an objective comparison of network architectures and can significantly reduce the time and effort of researchers preparing datasets.
Abstract（参考訳）: 世論の故意な操作、特にオンラインソーシャルネットワークを通じて頻繁に拡散される変化したイメージは、社会に重大な危険をもたらす。技術的レベルでこの問題に対処するために、私たちはDigital Forensics 2023(DF2023)トレーニングと検証データセットをリリースし、スプライシング、コピー-ムーブ、エンハンスメント、削除という4つの主要なフォージェリーカテゴリから100万の画像を含む研究コミュニティを支援しています。このデータセットは、ネットワークアーキテクチャの客観的比較を可能にし、研究者によるデータセット作成の時間と労力を大幅に削減することができる。

関連論文リスト

Is JPEG AI going to change image forensics? [50.92778618091496]
ニューラル画像圧縮に基づく新しいJPEGAI標準の反法医学的効果について検討する。その結果,JPEG AIで処理したコンテンツの解析において,先行する法医学的検知器の性能が低下していることが示唆された。
論文参考訳（メタデータ） (2024-12-04T12:07:20Z)
Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文参考訳（メタデータ） (2024-11-12T01:17:27Z)
Blind Data Adaptation to tackle Covariate Shift in Operational Steganalysis [9.565324766070407]
Image Steganographyにより、個人は疑念を喚起することなく、デジタル画像に違法な情報を隠すことができる。内因性コミュニケーションのための操作画像の検出を可能にする効果的なステガナリシス法を開発することが重要である。ステガナリシスにおける特定の目標に沿ったソースをエミュレートする新しい手法であるTADを開発した。
論文参考訳（メタデータ） (2024-05-27T08:55:22Z)
Getting it Right: Improving Spatial Consistency in Text-to-Image Models [103.52640413616436]
現在のテキスト・トゥ・イメージ(T2I)モデルにおける重要な欠点の1つは、テキスト・プロンプトで指定された空間的関係を忠実に追従するイメージを一貫して生成できないことである。 4つの広く使用されている視覚データセットから600万の画像を再キャプチャすることで、空間的に焦点を絞った最初の大規模データセットであるSPRIGHTを作成します。対象物を多数含む画像のトレーニングは,500枚の画像の微調整により,T2I-CompBenchの空間スコア0.2133の最先端結果を含む空間的整合性を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2024-04-01T15:55:25Z)
An Innovative Tool for Uploading/Scraping Large Image Datasets on Social Networks [9.27070946719462]
我々は、意図的に作成したデジタルツールを用いて、自動化されたアプローチを提案する。このツールは、画像データセット全体を希望するデジタルプラットフォームに自動的にアップロードし、アップロードされたすべての写真をダウンロードすることができる。
論文参考訳（メタデータ） (2023-11-01T23:27:37Z)
Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
論文参考訳（メタデータ） (2023-04-12T10:29:42Z)
Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision [8.124947412639704]
コンピュータビジョンを用いたオーバーヘッド画像の解析は学術文献で注目されている問題である。これらの問題は、表現学習の進歩を取り入れた、より汎用的なフレームワークの開発を通じて解決される。 6千万枚の未表示画像から10年間の都市インフラ進化の低レベル検出に成功したことは, 定量的都市研究を推し進めるための我々のアプローチの有意義な可能性を実証している。
論文参考訳（メタデータ） (2022-08-17T03:41:56Z)
Benchmarking Scientific Image Forgery Detectors [18.225190509954874]
本稿では,研究コミュニティが報告した最も一般的な画像偽造操作を再現する,拡張可能なオープンソースライブラリを提案する。我々は、富裕層を有する大規模な科学的偽画像ベンチマーク(39,423画像)を作成する。さらに,画像重複による抽出論文の多さを考慮し,提案したデータセットにおける最先端のコピー・モーブ検出手法の評価を行った。
論文参考訳（メタデータ） (2021-05-26T22:58:20Z)
DeeperForensics Challenge 2020 on Real-World Face Forgery Detection: Methods and Results [144.5252578415748]
本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。 115人の参加者が参加し、25のチームが有効な応募を行った。
論文参考訳（メタデータ） (2021-02-18T16:48:57Z)
Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
論文参考訳（メタデータ） (2020-07-17T18:05:01Z)
Syn2Real: Forgery Classification via Unsupervised Domain Adaptation [1.8229783460536682]
本稿では,ディープセマンティック・イメージ・インペイントとコピー・モーブ・フォージェリ・アルゴリズムを用いた合成鍛造データセットを提案する。我々は、教師なしドメイン適応ネットワークを用いて、合成されたデータセットから特徴空間をマッピングすることで、新しいドメインのコピー・モーブ偽造を検出する。
論文参考訳（メタデータ） (2020-02-03T15:02:58Z)

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。