論文の概要: Spatiality-Frequency Domain Video Forgery Detection System Based on ResNet-LSTM-CBAM and DCT Hybrid Network
- arxiv url: http://arxiv.org/abs/2609.27904v1
- Date: Fri, 21 Aug 2026 11:20:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:56.005973
- Title: Spatiality-Frequency Domain Video Forgery Detection System Based on ResNet-LSTM-CBAM and DCT Hybrid Network
- Title（参考訳）: ResNet-LSTM-CBAMとDCTハイブリッドネットワークを用いた空間性周波数領域ビデオ偽造検出システム
- Abstract要約: 本研究では,空間領域と周波数領域の両方を統合したビデオ偽造検出モデルを提案する。
提案手法は,実写映像と操作映像の区別において,優れた性能が得られることを示す。
- 参考スコア（独自算出の注目度）: 4.6442316122780944
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As information technology advances, digital content has become widely adopted across diverse fields such as news broadcasting, entertainment, commerce, and forensic investiga?tion. However, the availability of sophisticated multimedia editing tools has significantly increased the risk of video and image forgery, raising serious concerns about content authenticity at both societal and individual levels.To address the growing need for robust and accurate detection methods, this study proposes a novel video forgery detection model that integrates both spatial and frequency-domain features. The model is built on a ResNet-LSTM framework enhanced by a Convolutional Block Attention Module (CBAM) for spatial feature extraction, and further incorporates Discrete Cosine Transform (DCT) to capture frequency domain information. Comprehensive experiments were conducted on several mainstream benchmark datasets, encompassing a wide range of forgery scenarios. The results demonstrate that the proposed model achieves superior performance in distinguishing between authentic and manipulated videos. Additional ablation and comparative studies confirm the contribution of each component in the architecture, offering deeper insight into the models capacity. Overall, the findings support the proposed approach as a promising solution for enhancing the reliability of video authenticity analysis under complex conditions.
- Abstract（参考訳）: 情報技術の進歩に伴い、デジタルコンテンツはニュース放送、エンターテイメント、商業、法医学的調査など様々な分野に広く採用されている。
イオン
しかし,高度なマルチメディア編集ツールが利用可能になったことにより,映像と画像の偽造のリスクが大幅に増加し,社会的・個人レベルでのコンテンツ信頼性への深刻な懸念が高まっ,ロバストかつ正確な検出方法の必要性が高まる中,空間的・周波数的特徴を統合したビデオ偽造検出モデルが提案されている。
このモデルは、空間的特徴抽出のためにCBAM(Convolutional Block Attention Module)によって強化されたResNet-LSTMフレームワーク上に構築され、さらに離散コサイン変換(DCT)を組み込んで周波数領域情報を取得する。
さまざまな偽のシナリオを含む、いくつかの主要なベンチマークデータセットで包括的な実験が行われた。
提案手法は,実写映像と操作映像の区別において,優れた性能が得られることを示す。
追加のアブレーションと比較研究は、アーキテクチャにおける各コンポーネントの貢献を確認し、モデルのキャパシティについてより深い洞察を提供する。
以上の結果から,複雑な条件下での映像の信頼性解析の信頼性向上に期待できる手法として,提案手法が支持された。
関連論文リスト
- Modality-Agnostic Prompt Learning for Multi-Modal Camouflaged Object Detection [61.36976558603528]
本稿では,Segment Anything Model(SAM)のためのモダリティに依存しないマルチモーダルプロンプトを生成する新しいフレームワークを提案する。
具体的には,データ駆動型コンテンツドメインと知識駆動型プロンプトドメインとのインタラクションを通じて,マルチモーダル学習をモデル化する。
さらに,微粒なプロンプトキューを組み込むことで,粗い予測をキャリブレーションする軽量マスクリファインモジュールを導入する。
論文 参考訳（メタデータ） (2026-04-14T07:13:28Z) - RASR: Retrieval-Augmented Semantic Reasoning for Fake News Video Detection [38.069086560563285]
マルチモーダルフェイクニュースビデオ検出は、オンライン情報の信頼性を維持するための重要な研究方向である。
既存の研究は、主にマルチモーダルな特徴融合表現を構築したり、事前訓練された言語モデルを利用したりすることで、コンテンツの信頼性を検証する。
本稿では,これらの制約を克服する新しいRASR(Retrieval-Augmented Semantic Reasoning)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-08T05:03:34Z) - Diversity Matters: Dataset Diversification and Dual-Branch Network for Generalized AI-Generated Image Detection [2.1410799064827235]
我々は、AI生成画像検出のためのデータ多様性と特徴領域補完性を強調する新しいフレームワーク、textbfDiversity Mattersを提案する。
提案手法では,冗長あるいは非常に類似したサンプルを破棄する特徴領域類似度フィルタリング機構を提案する。
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、提案手法はクロスモデルとクロスデータセットのパフォーマンスを大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-03-29T18:29:00Z) - Consolidating Diffusion-Generated Video Detection with Unified Multimodal Forgery Learning [61.3737746844896]
既存の手法は主に画像レベルの偽造検出に重点を置いており、一般的なビデオレベルの偽造検出はほとんど探索されていない。
本稿では,拡散生成ビデオの検出に特化して設計したMM-Det++という統合マルチモーダル検出手法を提案する。
論文 参考訳（メタデータ） (2025-11-22T16:05:12Z) - Composed Multi-modal Retrieval: A Survey of Approaches and Applications [81.54640206021757]
複合マルチモーダル検索(CMR)は次世代技術として誕生する。
CMRは、参照視覚入力とテキスト修正を統合することで、画像やビデオをクエリすることを可能にする。
本稿では,CMRの基礎的課題,技術的進歩,応用について概説する。
論文 参考訳（メタデータ） (2025-03-03T09:18:43Z) - Multisource Collaborative Domain Generalization for Cross-Scene Remote Sensing Image Classification [57.945437355714155]
クロスシーン画像分類は, 異なる分布領域のアノテート領域に, 地中物質の事前の知識を伝達することを目的としている。
既存のアプローチでは、未確認のターゲットドメインへの単一ソースドメインの一般化に重点を置いている。
マルチソースリモートセンシングデータの均一性と不均一性特性に基づく,新しいマルチソース協調型ドメイン一般化フレームワーク(MS-CDG)を提案する。
論文 参考訳（メタデータ） (2024-12-05T06:15:08Z) - Remote Sensing Image Segmentation Using Vision Mamba and Multi-Scale Multi-Frequency Feature Fusion [9.098711843118629]
本稿では、状態空間モデル(SSM)を導入し、視覚マンバ(CVMH-UNet)に基づく新しいハイブリッドセマンティックセマンティックネットワークを提案する。
本手法は、クロス2Dスキャン(CS2D)を用いて、複数の方向からグローバル情報をフルにキャプチャする、クロス走査型視覚状態空間ブロック(CVSSBlock)を設計する。
ローカル情報取得におけるビジョン・マンバ(VMamba)の制約を克服するために畳み込みニューラルネットワークのブランチを組み込むことにより、このアプローチはグローバル機能とローカル機能の両方の包括的な分析を促進する。
論文 参考訳（メタデータ） (2024-10-08T02:17:38Z) - Detecting Misinformation in Multimedia Content through Cross-Modal Entity Consistency: A Dual Learning Approach [10.376378437321437]
クロスモーダルなエンティティの整合性を利用して、ビデオコンテンツから誤情報を検出するためのマルチメディア誤情報検出フレームワークを提案する。
以上の結果から,MultiMDは最先端のベースラインモデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-08-16T16:14:36Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - Video-based Cross-modal Auxiliary Network for Multimodal Sentiment
Analysis [16.930624128228658]
音声特徴マップモジュールとクロスモーダル選択モジュールから構成されるビデオベースクロスモーダル補助ネットワーク(VCAN)を提案する。
VCANは、マルチモーダル感情分析の分類精度を向上させる最先端の手法よりもはるかに優れている。
論文 参考訳（メタデータ） (2022-08-30T02:08:06Z)
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。