Fugu-MT 論文翻訳(概要): Tamper-evident Image using JPEG Fixed Points

論文の概要: Tamper-evident Image using JPEG Fixed Points

arxiv url: http://arxiv.org/abs/2504.17594v1
Date: Thu, 24 Apr 2025 14:22:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.404388
Title: Tamper-evident Image using JPEG Fixed Points
Title（参考訳）: JPEG固定点を用いたTamper-evident Image
Authors: Zhaofeng Si, Siwei Lyu,
Abstract要約: JPEG圧縮と非圧縮プロセスを分析し、数回の反復で到達可能な固定点の存在を明らかにする。これらの固定点は多様であり、画像の視覚的品質を保ち、歪みを最小限に抑える。
参考スコア（独自算出の注目度）: 30.935097828654474
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An intriguing phenomenon about JPEG compression has been observed since two decades ago- after repeating JPEG compression and decompression, it leads to a stable image that does not change anymore, which is a fixed point. In this work, we prove the existence of fixed points in the essential JPEG procedures. We analyze JPEG compression and decompression processes, revealing the existence of fixed points that can be reached within a few iterations. These fixed points are diverse and preserve the image's visual quality, ensuring minimal distortion. This result is used to develop a method to create a tamper-evident image from the original authentic image, which can expose tampering operations by showing deviations from the fixed point image.
Abstract（参考訳）: JPEG圧縮と非圧縮を繰り返した20年前から、JPEG圧縮に関する興味深い現象が観測されている。本研究は,本質的なJPEGプロシージャにおける固定点の存在を実証する。 JPEG圧縮および非圧縮プロセスを分析し、数回の反復で到達可能な固定点の存在を明らかにする。これらの固定点は多様であり、画像の視覚的品質を保ち、歪みを最小限に抑える。この結果を用いて、元の認証画像から改ざん画像を作成する方法を開発し、固定点画像から逸脱を示すことによって改ざん操作を露呈する。

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)
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)
Distribution prediction for image compression: An experimental re-compressor for JPEG images [1.8416014644193066]
JPEG画像を入力として使用することにより、アルゴリズムは信号の一部をデコードして量子化されたDCT係数を取得し、より効率的な方法で再圧縮する。
論文参考訳（メタデータ） (2023-10-16T15:33:58Z)
High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
JPEGアーチファクト修正のための異なるパラダイムを提案する。我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
論文参考訳（メタデータ） (2022-11-21T19:47:59Z)
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)
Towards Flexible Blind JPEG Artifacts Removal [73.46374658847675]
人工物除去と細部保存のトレードオフを制御するために,適応可能な品質因子を予測できるフレキシブルブラインド畳み込みニューラルネットワーク,すなわちFBCNNを提案する。提案するFBCNNは,定量的な計測値と視覚的品質の両方の観点から,最先端の手法に対して良好な性能を実現する。
論文参考訳（メタデータ） (2021-09-29T17:12:10Z)
An Image Forensic Technique Based on JPEG Ghosts [0.0]
JPEG画像に対するディジタル画像法則手法を提案する。ゴースト画像と呼ばれる鍛造部が、カバー画像と異なる圧縮品質を有する場合、画像中の偽物を検出することができる。
論文参考訳（メタデータ） (2021-06-11T14:52:43Z)
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)
Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文参考訳（メタデータ） (2020-11-17T20:32:57Z)
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。