論文の概要: Weakly-supervised Localization of Manipulated Image Regions Using Multi-resolution Learned Features

• arxiv url: http://arxiv.org/abs/2505.23586v1
• Date: Thu, 29 May 2025 15:58:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.963053
• Title: Weakly-supervised Localization of Manipulated Image Regions Using Multi-resolution Learned Features
• Title（参考訳）: マルチレゾリューション学習特徴量を用いた手動画像領域の弱教師付き位置決め
• Authors: Ziyong Wang, Charith Abhayaratne,
• Abstract要約: 現在のディープラーニングに基づく操作検出手法は、高い画像レベルの分類精度を達成するのに優れている。 実世界のシナリオにおけるピクセルワイズアノテーションの欠如は、既存の完全に制御された操作ローカライゼーション技術を制限する。 本稿では,画像レベルの操作検出ネットワークが生成するアクティベーションマップと,事前学習したモデルからのセグメンテーションマップを統合する,弱教師付きアプローチを提案する。
• 参考スコア（独自算出の注目度）: 4.83420384410068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The explosive growth of digital images and the widespread availability of image editing tools have made image manipulation detection an increasingly critical challenge. Current deep learning-based manipulation detection methods excel in achieving high image-level classification accuracy, they often fall short in terms of interpretability and localization of manipulated regions. Additionally, the absence of pixel-wise annotations in real-world scenarios limits the existing fully-supervised manipulation localization techniques. To address these challenges, we propose a novel weakly-supervised approach that integrates activation maps generated by image-level manipulation detection networks with segmentation maps from pre-trained models. Specifically, we build on our previous image-level work named WCBnet to produce multi-view feature maps which are subsequently fused for coarse localization. These coarse maps are then refined using detailed segmented regional information provided by pre-trained segmentation models (such as DeepLab, SegmentAnything and PSPnet), with Bayesian inference employed to enhance the manipulation localization. Experimental results demonstrate the effectiveness of our approach, highlighting the feasibility to localize image manipulations without relying on pixel-level labels.
• Abstract（参考訳）: デジタル画像の爆発的な成長と画像編集ツールの普及により、画像操作の検出はますます重要な課題となっている。 現在の深層学習に基づく操作検出手法は,画像レベルの分類精度の向上に優れており,操作領域の解釈可能性や局所化の面では不十分であることが多い。 さらに、実世界のシナリオにおけるピクセルワイズアノテーションの欠如は、既存の完全に教師付き操作のローカライゼーション技術を制限する。 これらの課題に対処するために,画像レベルの操作検出ネットワークによって生成されたアクティベーションマップと,事前学習されたモデルからのセグメンテーションマップを統合する,弱い教師付きアプローチを提案する。 具体的には、WCBnetという名前の以前の画像レベルのワークに基づいてマルチビューの特徴マップを作成し、その後、粗いローカライゼーションのために融合する。 これらの粗いマップは、事前訓練されたセグメンテーションモデル(DeepLab、SegmentAnything、PSPnetなど)によって提供される詳細なセグメンテーションされた地域情報を用いて洗練され、ベイズ推論は操作のローカライゼーションを強化するために使用される。 提案手法の有効性を実証し,画素レベルのラベルを頼らずに画像操作をローカライズする可能性を強調した。

関連論文リスト

• Context-Aware Weakly Supervised Image Manipulation Localization with SAM Refinement [52.15627062770557]
  悪意のある画像操作は社会的リスクを生じさせ、効果的な画像操作検出方法の重要性を高めている。 画像操作検出の最近のアプローチは、完全に教師されたアプローチによって大きく推進されている。 本稿では,デュアルブランチトランスフォーマー-CNNアーキテクチャに基づく,弱教師付きフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-26T07:35:09Z)
• Weakly-supervised deepfake localization in diffusion-generated images [4.548755617115687]
  本稿では,Xception ネットワークをバックボーンアーキテクチャとして用いた弱教師付きローカライズ問題を提案する。 本研究では,(局所スコアに基づく)最良動作検出法は,データセットやジェネレータのミスマッチよりも,より緩やかな監視に敏感であることを示す。
  論文  参考訳（メタデータ） (2023-11-08T10:27:36Z)
• 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)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)

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。