文献

J-GLOBAL ID：202102239838563679   整理番号：21A0894805

クロスバンド共起解析に基づくGAN生成顔画像のCNN検出【JST・京大機械翻訳】

CNN Detection of GAN-Generated Face Images based on Cross-Band Co-occurrences Analysis

著者 (4件)： Barni Mauro (University of Siena,Department of Information Engineering,Siena,ITALY,53100) ,  Kallas Kassem (University of Siena,Department of Information Engineering,Siena,ITALY,53100) ,  Nowroozi Ehsan (University of Siena,Department of Information Engineering,Siena,ITALY,53100) ,  Tondi Benedetta (University of Siena,Department of Information Engineering,Siena,ITALY,53100)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WIFS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最終世代GANモデルは,自然なものから視覚的に区別できない合成画像を生成することを可能にし,従って,ディジタル画像の信頼性を保存するために,偽造と自然画像を区別するツールを開発する必要性を提起する。現代のGANモデルは,可視空間アーチファクトのない非常に高品質の画像を生成することができるが,カラーチャネル間の一貫した関係の再構成は,より難しくなる。本論文では,合成顔画像の生成に特に注目して,スペクトルバンド間の不整合を利用して,自然画像からGAN生成を識別する方法を提案した。具体的には,実際の顔と合成顔を区別するために訓練されたCNNモデルへの入力として,空間共起行列に加えて,クロスバンド共起行列を用いた。著者らの実験の結果は,バンド内空間共起のみに基づく類似検出技術より優れている著者らのアプローチの良さを確認した。性能利得は,幾何学的変換,フィルタリングおよびコントラスト操作のような後処理に対するロバスト性に関して特に重要である。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  視覚 ,  信頼性 ,  フィルタリング ,  検出法 ,  利得 ,  不整合 ,  ディジタル画像 ,  スペクトルバンド ,  ロバスト性 ,  アーチファクト ,  *顔画像
準シソーラス用語： 自然画像 ,  高品質 ,  合成画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： バンド ,  解析 ,  GaN ,  顔画像 ,  CNN