論文の概要: EdgeDoc: Hybrid CNN-Transformer Model for Accurate Forgery Detection and Localization in ID Documents

• arxiv url: http://arxiv.org/abs/2508.16284v1
• Date: Fri, 22 Aug 2025 10:45:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.358909
• Title: EdgeDoc: Hybrid CNN-Transformer Model for Accurate Forgery Detection and Localization in ID Documents
• Title（参考訳）: EdgeDoc: ID文書における高精度偽造検出と位置決めのためのハイブリッドCNN変換器モデル
• Authors: Anjith George, Sebastien Marcel,
• Abstract要約: EdgeDocは、ドキュメント偽造者の検出とローカライズのための新しいアプローチである。 我々のアーキテクチャは、軽量な畳み込み変換器と、画像から抽出した補助的なノイズプリント機能を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 6.690084812573466
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The widespread availability of tools for manipulating images and documents has made it increasingly easy to forge digital documents, posing a serious threat to Know Your Customer (KYC) processes and remote onboarding systems. Detecting such forgeries is essential to preserving the integrity and security of these services. In this work, we present EdgeDoc, a novel approach for the detection and localization of document forgeries. Our architecture combines a lightweight convolutional transformer with auxiliary noiseprint features extracted from the images, enhancing its ability to detect subtle manipulations. EdgeDoc achieved third place in the ICCV 2025 DeepID Challenge, demonstrating its competitiveness. Experimental results on the FantasyID dataset show that our method outperforms baseline approaches, highlighting its effectiveness in realworld scenarios. Project page : https://www.idiap. ch/paper/edgedoc/
• Abstract（参考訳）: 画像や文書を操作するツールが広く普及したことで、デジタルドキュメントの偽造がますます容易になり、KYC(Know Your Customer)プロセスやリモートオンボードシステムに深刻な脅威をもたらしている。 このような偽造行為を検出することは、これらのサービスの整合性とセキュリティを維持するために不可欠である。 本研究では,文書偽造者の検出と位置決定のための新しい手法であるEdgeDocを提案する。 我々のアーキテクチャは、軽量な畳み込み変換器と、画像から抽出した補助的なノイズプリント機能を組み合わせることで、微妙な操作を検出する能力を高めている。 EdgeDocはICCV 2025 DeepID Challengeで3位を獲得し、競争力を示した。 FantasyIDデータセットによる実験結果から,本手法はベースラインアプローチよりも優れ,実世界のシナリオにおける有効性を強調した。 プロジェクトページ: https://www.idiap.com ch/paper/edgedoc/

関連論文リスト

• SynID: Passport Synthetic Dataset for Presentation Attack Detection [7.1212970088491385]
  リモートワークの増加、オンライン購入、マイグレーション、合成画像の進歩などだ。 本研究では、合成データとオープンアクセス情報を組み合わせたハイブリッド手法から生成された新しいパスポートデータセットを提案する。
  論文  参考訳（メタデータ） (2025-05-12T13:24:54Z)
• Geometry Restoration and Dewarping of Camera-Captured Document Images [0.0]
  本研究では,カメラが捉えた紙文書のデジタル画像のトポロジを復元する手法の開発に焦点をあてる。 本手法では,文書アウトライン検出に深層学習(DL)を用い,次いでコンピュータビジョン(CV)を用いてトポロジカル2Dグリッドを作成する。
  論文  参考訳（メタデータ） (2025-01-06T17:12:19Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• DocMAE: Document Image Rectification via Self-supervised Representation Learning [144.44748607192147]
  文書画像修正のための新しい自己教師型フレームワークDocMAEを提案する。 まず、背景を除いた文書画像のランダムなパッチをマスクし、欠落したピクセルを再構成する。 このような自己教師型学習手法により、ネットワークは変形文書の本質的な構造を学習することが奨励される。
  論文  参考訳（メタデータ） (2023-04-20T14:27:15Z)
• Deep Unrestricted Document Image Rectification [110.61517455253308]
  文書画像修正のための新しい統合フレームワークDocTr++を提案する。 我々は,階層型エンコーダデコーダ構造を多スケール表現抽出・解析に適用することにより,元のアーキテクチャをアップグレードする。 実際のテストセットとメトリクスをコントリビュートして、修正品質を評価します。
  論文  参考訳（メタデータ） (2023-04-18T08:00:54Z)
• Controllable Fake Document Infilling for Cyber Deception [31.734574811062053]
  そこで本稿では,Fake Document Infilling (FDI) という新しいモデルを提案する。 FDIは、重要な情報を保護し、敵を欺くために、適度な修正を施した、信頼性の高い偽物を生成する上で、ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2022-10-18T14:59:38Z)
• DocScanner: Robust Document Image Rectification with Progressive Learning [162.03694280524084]
  この研究はDocScannerという、文書画像の修正のための新しいディープネットワークアーキテクチャを提示する。 DocScannerは、修正されたイメージの1つの見積を維持し、再帰的なアーキテクチャで徐々に修正される。 反復的な改善によりDocScannerは堅牢で優れたパフォーマンスに収束し、軽量なリカレントアーキテクチャにより実行効率が保証される。
  論文  参考訳（メタデータ） (2021-10-28T09:15:02Z)
• A Fast Fully Octave Convolutional Neural Network for Document Image Segmentation [1.8426817621478804]
  ID画像中の文書のエッジやテキスト領域を検出するためのU-Netに基づく手法について検討する。 本研究では,オクタベ・コンボリューションに基づくモデル最適化手法を提案する。 その結果,提案手法はセグメンテーションタスクの文書化やポータブル化に有効であることがわかった。
  論文  参考訳（メタデータ） (2020-04-03T00:57:33Z)

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。