論文の概要: SFNet: Fusion of Spatial and Frequency-Domain Features for Remote Sensing Image Forgery Detection

• arxiv url: http://arxiv.org/abs/2506.20599v1
• Date: Wed, 25 Jun 2025 16:38:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.857345
• Title: SFNet: Fusion of Spatial and Frequency-Domain Features for Remote Sensing Image Forgery Detection
• Title（参考訳）: SFNet:リモートセンシング画像偽造検出のための空間・周波数領域特徴の融合
• Authors: Ji Qi, Xinchang Zhang, Dingqi Ye, Yongjia Ruan, Xin Guo, Shaowen Wang, Haifeng Li,
• Abstract要約: 偽のリモートセンシング画像は誤ったインテリジェンスやフェイクニュース、さらには陰謀説につながる可能性がある。 本稿では,多様なリモートセンシングデータから偽画像を特定することを目的とした,SFNetと呼ばれる新しい偽画像検出フレームワークを提案する。 3つのデータセットの実験により、SFNetは最先端のRS偽造検出法に対して4%-15.18%の精度向上を達成した。
• 参考スコア（独自算出の注目度）: 7.054392101839536
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of generative artificial intelligence is producing fake remote sensing imagery (RSI) that is increasingly difficult to detect, potentially leading to erroneous intelligence, fake news, and even conspiracy theories. Existing forgery detection methods typically rely on single visual features to capture predefined artifacts, such as spatial-domain cues to detect forged objects like roads or buildings in RSI, or frequency-domain features to identify artifacts from up-sampling operations in adversarial generative networks (GANs). However, the nature of artifacts can significantly differ depending on geographic terrain, land cover types, or specific features within the RSI. Moreover, these complex artifacts evolve as generative models become more sophisticated. In short, over-reliance on a single visual cue makes existing forgery detectors struggle to generalize across diverse remote sensing data. This paper proposed a novel forgery detection framework called SFNet, designed to identify fake images in diverse remote sensing data by leveraging spatial and frequency domain features. Specifically, to obtain rich and comprehensive visual information, SFNet employs two independent feature extractors to capture spatial and frequency domain features from input RSIs. To fully utilize the complementary domain features, the domain feature mapping module and the hybrid domain feature refinement module(CBAM attention) of SFNet are designed to successively align and fuse the multi-domain features while suppressing redundant information. Experiments on three datasets show that SFNet achieves an accuracy improvement of 4%-15.18% over the state-of-the-art RS forgery detection methods and exhibits robust generalization capabilities. The code is available at https://github.com/GeoX-Lab/RSTI/tree/main/SFNet.
• Abstract（参考訳）: 生成する人工知能の急速な進歩は、検出がますます難しくなり、誤った知性、偽ニュース、さらには陰謀説にまで繋がる偽のリモートセンシング画像(RSI)を生み出している。 既存の偽造検出手法は、例えば、RSI内の道路や建物などの偽造物を検出する空間領域キューや、対向生成ネットワーク(GAN)におけるアップサンプリング操作からアーティファクトを特定する周波数領域といった、事前に定義されたアーティファクトをキャプチャするための単一の視覚的特徴に依存している。 しかし、アーティファクトの性質は、地形、土地被覆タイプ、あるいはRSI内の特定の特徴によって大きく異なる可能性がある。 さらに、これらの複雑なアーティファクトは、生成モデルがより洗練されたものになるにつれて進化する。 要するに、単一の視覚的キューへの過度な依存は、既存の偽造検知器が多様なリモートセンシングデータを一般化するのに苦労する。 本稿では,空間及び周波数領域の特徴を利用して,多様なリモートセンシングデータから偽画像を特定することを目的とした,SFNetと呼ばれる新しい偽画像検出フレームワークを提案する。 具体的には、リッチで包括的な視覚情報を得るために、SFNetは2つの独立した特徴抽出器を使用して入力RSIから空間領域と周波数領域の特徴をキャプチャする。 補完的なドメイン特徴をフル活用するために、SFNetのドメイン特徴マッピングモジュールとハイブリッドドメイン特徴改善モジュール(CBAMアテンション)は、冗長な情報を抑えつつ、複数のドメイン特徴を連続的に整列して融合させるように設計されている。 3つのデータセットの実験では、SFNetは最先端のRS偽造検出法よりも4%-15.18%の精度向上を実現し、堅牢な一般化能力を示している。 コードはhttps://github.com/GeoX-Lab/RSTI/tree/main/SFNetで公開されている。

関連論文リスト

• United Domain Cognition Network for Salient Object Detection in Optical Remote Sensing Images [21.76732661032257]
  周波数領域と空間領域のグローバルローカル情報を共同で探索する新しい統一ドメイン認知ネットワーク(UDCNet)を提案する。 実験結果から提案したUDCNetが24種類の最先端モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-11T04:12:27Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• DQnet: Cross-Model Detail Querying for Camouflaged Object Detection [54.82390534024954]
  カモフラージュされた物体検出のための畳み込みニューラルネットワーク(CNN)は、完全な対象範囲を無視しながら局所的な識別領域を活性化する傾向がある。 本稿では,CNNの内在的特性から部分的活性化が引き起こされることを論じる。 完全なオブジェクト範囲を活性化できる特徴マップを得るために,クロスモデル詳細クエリネットワーク(DQnet)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-16T06:23:58Z)
• Multimodal Graph Learning for Deepfake Detection [10.077496841634135]
  既存のディープフェイク検出器は、堅牢性と一般化を達成する上でいくつかの課題に直面している。 本稿では,マルチモーダルグラフ学習(MGL)という新しいフレームワークを提案する。 提案手法は,ディープフェイク検出のための特徴を効果的に識別し,活用することを目的としている。
  論文  参考訳（メタデータ） (2022-09-12T17:17:49Z)
• Fast Fourier Convolution Based Remote Sensor Image Object Detection for Earth Observation [0.0]
  リモートセンシングオブジェクト検出のための周波数対応特徴ピラミッドフレームワーク(FFPF)を提案する。 F-ResNetは、周波数領域の畳み込みをバックボーンの各ステージに差し込み、スペクトルコンテキスト情報を知覚するために提案される。 BSFPNは、双方向サンプリング戦略とスキップ接続を用いて、異なるスケールの物体の特徴の関連をより良くモデル化するように設計されている。
  論文  参考訳（メタデータ） (2022-09-01T15:50:58Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• 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)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Fake Visual Content Detection Using Two-Stream Convolutional Neural Networks [14.781702606707642]
  周波数領域と空間領域の特徴を補完する2ストリーム畳み込みニューラルネットワークアーキテクチャであるTwoStreamNetを提案する。 提案手法は, 現状の偽コンテンツ検出装置に比べ, 大幅に性能が向上した。
  論文  参考訳（メタデータ） (2021-01-03T18:05:07Z)

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。