論文の概要: PRNU-Bench: A Novel Benchmark and Model for PRNU-Based Camera Identification

• arxiv url: http://arxiv.org/abs/2509.17581v1
• Date: Mon, 22 Sep 2025 11:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.329449
• Title: PRNU-Bench: A Novel Benchmark and Model for PRNU-Based Camera Identification
• Title（参考訳）: PRNU-Bench:PRNUベースのカメラ識別のための新しいベンチマークとモデル
• Authors: Florinel Alin Croitoru, Vlad Hondru, Radu Tudor Ionescu,
• Abstract要約: 本稿では,写真応答不均一性(PRNU)推定によるカメラ識別のための新しいベンチマークを提案する。 ベンチマークは120台以上のカメラで撮影された13K枚の写真で構成され、トレーニングとテストの写真を異なるシナリオで撮影する。 本稿では,PRNU信号を推定するデノナイズオートエンコーダと,カメラデバイスの1:N検証が可能な畳み込みネットワークを備えたハイブリッドアーキテクチャを用いたPRNUベースのカメラ識別モデルを提案する。
• 参考スコア（独自算出の注目度）: 29.30368644838813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel benchmark for camera identification via Photo Response Non-Uniformity (PRNU) estimation. The benchmark comprises 13K photos taken with 120+ cameras, where the training and test photos are taken in different scenarios, enabling ``in-the-wild'' evaluation. In addition, we propose a novel PRNU-based camera identification model that employs a hybrid architecture, comprising a denoising autoencoder to estimate the PRNU signal and a convolutional network that can perform 1:N verification of camera devices. Instead of using a conventional approach based on contrastive learning, our method takes the Hadamard product between reference and query PRNU signals as input. This novel design leads to significantly better results compared with state-of-the-art models based on denoising autoencoders and contrastive learning. We release our dataset and code at: https://github.com/CroitoruAlin/PRNU-Bench.
• Abstract（参考訳）: 本稿では,写真応答不均一性(PRNU)推定によるカメラ識別のための新しいベンチマークを提案する。 ベンチマークは120以上のカメラで撮影された13K写真で構成されており、トレーニングとテストの写真を異なるシナリオで撮影することで、‘in-the-wild’の評価を可能にしている。 さらに,PRNU信号を推定するデノナイズオートエンコーダと,カメラデバイスの1:N検証が可能な畳み込みネットワークを備えたハイブリッドアーキテクチャを用いたPRNUベースのカメラ識別モデルを提案する。 コントラスト学習に基づく従来の手法の代わりに,提案手法は参照信号とクエリPRNU信号の中間のアダマール積を入力とする。 この斬新な設計は、デノナイズされたオートエンコーダと対照的な学習に基づく最先端のモデルと比較して、はるかに良い結果をもたらす。 データセットとコードは、https://github.com/CroitoruAlin/PRNU-Bench.comでリリースしています。

関連論文リスト

• Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
  本稿では,行関連や信号依存の撮像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。 提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。 本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
  論文  参考訳（メタデータ） (2023-10-11T20:48:20Z)
• Inverting the Imaging Process by Learning an Implicit Camera Model [73.81635386829846]
  本稿では,ディープニューラルネットワークとしてのカメラの物理画像処理を表現した,新しい暗黙カメラモデルを提案する。 本稿では,この暗黙カメラモデルが2つの逆撮像タスクに与える影響を実演する。
  論文  参考訳（メタデータ） (2023-04-25T11:55:03Z)
• Denoising Masked AutoEncoders are Certifiable Robust Vision Learners [37.04863068273281]
  DMAE(Denoising Masked AutoEncoders)と呼ばれる自己教師型手法を提案する。 DMAEは各ピクセル値にガウスノイズを加え、複数のパッチをランダムにマスキングすることで、各イメージを劣化させる。 その後、Transformerベースのエンコーダデコーダモデルをトレーニングして、オリジナルのイメージを破損したイメージから再構築する。
  論文  参考訳（メタデータ） (2022-10-10T12:37:59Z)
• A comparison study of CNN denoisers on PRNU extraction [10.517110532297021]
  我々は,コナールニューラルネットワーク(CNN)を用いたPRNU抽出の最新の成果を生かしている。 本稿では,一般の「ドレスデン画像データベース」上で,これらのCNNによるSCI性能の比較評価を行った。
  論文  参考訳（メタデータ） (2021-12-06T08:28:59Z)
• Learning Transformer Features for Image Quality Assessment [53.51379676690971]
  本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。 提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
  論文  参考訳（メタデータ） (2021-12-01T13:23:00Z)
• Diffusion-Based Representation Learning [65.55681678004038]
  教師付き信号のない表現学習を実現するために,デノナイズスコアマッチングフレームワークを拡張した。 対照的に、拡散に基づく表現学習は、デノナイジングスコアマッチング目的の新しい定式化に依存している。 同じ手法を用いて,半教師付き画像分類における最先端モデルの改善を実現する無限次元潜在符号の学習を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:26:02Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• NeRF--: Neural Radiance Fields Without Known Camera Parameters [31.01560143595185]
  本稿では、カメラのポーズや内在性のない2次元画像からの新しいビュー合成(NVS)問題に取り組む。 RGB画像のみのNeRFモデルをトレーニングするためのエンドツーエンドのフレームワーク「NeRF--」を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:52:34Z)
• On the Reliability of the PNU for Source Camera Identification Tasks [2.885175627590247]
  PNUはSCIを実行する上で必須のツールであり、その間、法医学分野におけるこのタスクの標準デファクトとなった。 デジタルカメラ画像中のPNUトレースをキャンセル・修正・置き換える戦略は存在するが,実験手法により,撮影に用いるセンサが生成する残音の痕跡を見つけることが可能である。
  論文  参考訳（メタデータ） (2020-08-28T15:15:31Z)
• CycleISP: Real Image Restoration via Improved Data Synthesis [166.17296369600774]
  本稿では,前向きと逆方向のカメラ画像パイプラインをモデル化するフレームワークを提案する。 リアルな合成データに基づいて新しい画像認識ネットワークをトレーニングすることにより、実際のカメラベンチマークデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-03-17T15:20:25Z)

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。