Fugu-MT 論文翻訳(概要): Evaluating Deep Learning and Traditional Approaches Used in Source Camera Identification

論文の概要: Evaluating Deep Learning and Traditional Approaches Used in Source Camera Identification

arxiv url: http://arxiv.org/abs/2511.19180v1
Date: Mon, 24 Nov 2025 14:42:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-25 18:34:25.262594
Title: Evaluating Deep Learning and Traditional Approaches Used in Source Camera Identification
Title（参考訳）: 音源カメラ識別における深層学習と従来手法の評価
Authors: Mansur Ozaman,
Abstract要約: 本稿では、ソースカメラ識別(SCI: Photo Response Non-Uniformity)、JPEG圧縮アーティファクト分析、畳み込みニューラルネットワーク(CNN)の3つの手法の比較分析を行う。本研究は,各手法をデバイス分類精度で評価し,実生活シナリオにおける手法の実装に必要な科学的発展について考察する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: One of the most important tasks in computer vision is identifying the device using which the image was taken, useful for facilitating further comprehensive analysis of the image. This paper presents comparative analysis of three techniques used in source camera identification (SCI): Photo Response Non-Uniformity (PRNU), JPEG compression artifact analysis, and convolutional neural networks (CNNs). It evaluates each method in terms of device classification accuracy. Furthermore, the research discusses the possible scientific development needed for the implementation of the methods in real-life scenarios.
Abstract（参考訳）: コンピュータビジョンにおける最も重要なタスクの1つは、画像が撮影されたデバイスを特定することであり、画像のより包括的な分析を容易にするのに役立つ。本稿では、ソースカメラ識別(SCI)における3つの手法の比較分析として、光応答非均一性(PRNU)、JPEG圧縮アーチファクト分析、畳み込みニューラルネットワーク(CNN)を提案する。デバイス分類精度の観点から各手法を評価する。さらに,本研究は,実生活シナリオにおける手法の実装に必要な科学的発展の可能性について論じる。

関連論文リスト

Modality-Aware Feature Matching: A Comprehensive Review of Single- and Cross-Modality Techniques [91.26187560114381]
特徴マッチングはコンピュータビジョンにおける基礎的な課題であり、画像検索、ステレオマッチング、3D再構成、SLAMなどのアプリケーションに必須である。本調査は,モダリティに基づく特徴マッチングを包括的にレビューし,従来の手作り手法と現代のディープラーニングアプローチについて検討する。
論文参考訳（メタデータ） (2025-07-30T15:56:36Z)
Disentangled representations of microscopy images [0.9849635250118911]
本研究は、顕微鏡画像分類のためのモデル解釈可能性を高めるために、DRL法を提案する。本稿では,合成データから学習した表現の伝達に基づくDRLフレームワークが,この領域における精度と解釈可能性とのトレードオフを良好に実現できることを示す。
論文参考訳（メタデータ） (2025-06-25T17:44:37Z)
Machine-learning for photoplethysmography analysis: Benchmarking feature, image, and signal-based approaches [1.1011387049911827]
光胸腺撮影は、様々な臨床応用に適した、広く用いられている非侵襲的な生理学的センシング技術である。機械学習手法は、機械学習手法によってますます支持され、最も適切な入力表現とモデル選択の疑問が提起される。本稿では,3種類の入力表現,解釈可能な特徴,画像表現,生波形を網羅した総合的なベンチマーク研究により,このギャップに対処する。
論文参考訳（メタデータ） (2025-02-27T10:17:16Z)
A 3D Facial Reconstruction Evaluation Methodology: Comparing Smartphone Scans with Deep Learning Based Methods Using Geometry and Morphometry Criteria [60.865754842465684]
3次元顔形状解析は臨床応用の可能性から注目されている。高度な3D顔認証システムの高コスト化は、その普及を制限し、低コストな取得と再構築方法の開発を推進している。本研究では,形態素形状解析技術を統合することで,従来の幾何学的ベンチマークを超える新しい評価手法を提案する。
論文参考訳（メタデータ） (2025-02-13T15:47:45Z)
Artifact Reduction in 3D and 4D Cone-beam Computed Tomography Images with Deep Learning -- A Review [0.0]
コーンビームCT(CBCT)における画像品質向上のための深層学習技術本稿では,3次元のアーティファクトの削減に成功している深層学習技術の概要と,時間分解(4D)CBCTについて概説する。この研究の重要な発見の1つは、GANやスコアベース、拡散モデルを含む生成モデルの利用に向けた観測傾向である。
論文参考訳（メタデータ） (2024-03-27T13:46:01Z)
Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文参考訳（メタデータ） (2023-07-19T16:42:52Z)
Precise localization of corneal reflections in eye images using deep learning trained on synthetic data [9.150553995510217]
眼球画像中の1つの角膜反射(CR)の中心を正確に位置決めする深層学習法を提案する。我々は、シミュレーションデータのみを用いてトレーニングされた畳み込みニューラルネットワーク(CNN)を使用している。提案手法はCR中心位置決めの高精度な手法を提供し,データ可用性問題に対する解決策を提供する。
論文参考訳（メタデータ） (2023-04-12T07:49:21Z)
Machine learning based biomedical image processing for echocardiographic images [0.0]
提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
論文参考訳（メタデータ） (2023-03-16T06:23:43Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。