論文の概要: SegWave: Wavelet-Driven Segmentation of Tampered Regions

• arxiv url: http://arxiv.org/abs/2608.30714v1
• Date: Mon, 31 Aug 2026 12:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.394916
• Title: SegWave: Wavelet-Driven Segmentation of Tampered Regions
• Title（参考訳）: SegWave: 改ざんされた領域のウェーブレット駆動セグメンテーション
• Abstract要約: SegWaveは、空間領域と周波数領域のキューを併用して画像改ざん検出を行うハイブリッドフレームワークである。 SegWaveは、トランスフォーマーベースのアーキテクチャとディスクレットウェーブレット変換(DWT)を統合し、局所化されたマルチスケールの周波数不整合を演算の指標として捉えている。 複数のベンチマークデータセットの実験では、SegWaveは最先端のタンパリング検出方法よりも一貫して優れていることが示されている。
• 参考スコア（独自算出の注目度）: 11.827767213549995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Verifying image authenticity is increasingly difficult, posing serious risks across journalism, law enforcement, and political domains. Most existing forensic methods rely on high-level visual artifacts and treat frame detection as a simple binary task. To address this, we propose SegWave, a hybrid framework that jointly leverages spatial and frequency-domain cues for image tampering detection. SegWave integrates a transformer-based architecture with the Discrete Wavelet Transform (DWT) to capture localized, multi-scale frequency inconsistencies indicative of manipulation. To further improve localization effectiveness, we introduce an Adaptive Sub-band Attention module (ASA) that dynamically highlights the informative high-frequency wavelet components. Extensive experiments on multiple benchmark datasets demonstrate that SegWave consistently outperforms state-of-the-art tampering detection methods in challenging evaluation settings.
• Abstract（参考訳）: 画像の真正性を検証することはますます難しくなり、ジャーナリズム、法執行機関、政治領域で深刻なリスクが生じる。 既存の法医学的手法の多くは、高レベルの視覚的アーティファクトに依存し、フレーム検出を単純なバイナリタスクとして扱う。 そこで本稿では,空間領域と周波数領域を併用して画像改ざん検出を行うハイブリッドフレームワークであるSegWaveを提案する。 SegWaveは、トランスフォーマーベースのアーキテクチャとディスクレットウェーブレット変換(DWT)を統合し、局所化されたマルチスケールの周波数不整合を演算の指標として捉えている。 そこで我々は,適応サブバンドアテンションモジュール (ASA) を導入し,高周波数ウェーブレット成分を動的に強調する。 複数のベンチマークデータセットに対する大規模な実験により、SegWaveは、挑戦的な評価設定において、最先端の改ざん検出方法よりも一貫して優れていることが示された。

関連論文リスト

• FU-Mamba: A Frequency-Enhanced Dynamic Scanning Framework for Oralscan Image Segmentation [16.970923446987605]
  本稿では、動的走査と周波数領域拡張を組み込んだ革新的フレームワークであるFU-Mambaを紹介する。 フー・マンバは、結合平均交叉距離(mIoU)が1.1%増加することにより、セグメンテーション精度が顕著に向上した。
  論文  参考訳（メタデータ） (2026-08-27T04:42:36Z)
• WaveRNet: Wavelet-Guided Frequency Learning for Multi-Source Domain-Generalized Retinal Vessel Segmentation [4.23704854635294]
  領域一般化網膜血管分節は眼科における自動診断に重要である。 本稿では,ウェーブレット誘導周波数学習フレームワークであるWaveRNetを提案する。
  論文  参考訳（メタデータ） (2026-01-09T16:58:29Z)
• WaveMAE: Wavelet decomposition Masked Auto-Encoder for Remote Sensing [5.65492058135409]
  WaveMAEはマルチスペクトル衛星画像に適したマスク付き自動符号化フレームワークである。 評価の公平性を確保するため、全ての手法が同じデータセット上で事前訓練される(fMoW-S2)。 WaveMAEは従来の最先端アプローチよりも一貫した改善を実現している。
  論文  参考訳（メタデータ） (2025-10-26T14:45:30Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• Local Implicit Wavelet Transformer for Arbitrary-Scale Super-Resolution [15.610136214020947]
  暗黙の神経表現は、最近、画像の任意のスケールの超解像(SR)において有望な可能性を証明している。 既存のほとんどの手法は、クエリされた座標と近くの特徴のアンサンブルに基づいて、SR画像中のピクセルを予測する。 本稿では,高周波テクスチャの再現性を高めるために,LIWT(Local Implicit Wavelet Transformer)を提案する。
  論文  参考訳（メタデータ） (2024-11-10T12:21:14Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• WaveFill: A Wavelet-based Generation Network for Image Inpainting [57.012173791320855]
  WaveFillはウェーブレットベースの塗装ネットワークで、画像を複数の周波数帯域に分解する。 WaveFillは、空間情報を自然に保存する離散ウェーブレット変換(DWT)を用いて画像を分解する。 低周波帯にL1再構成損失を、高周波帯に敵対損失を施し、それによって周波数間紛争を効果的に軽減する。
  論文  参考訳（メタデータ） (2021-07-23T04:44:40Z)
• WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
  本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。 実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
  論文  参考訳（メタデータ） (2020-10-29T17:16:59Z)

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。