画像操作検出のための階層的グラフ表現の学習【JST・京大機械翻訳】

Pan Wenyan; Zhou Zhili; Ling Miaogen; Geng Xin; Wu Q. M. Jonathan

プレプリント

J-GLOBAL ID：202202205795807115 整理番号：22P0274890

画像操作検出のための階層的グラフ表現の学習【JST・京大機械翻訳】

Learning Hierarchical Graph Representation for Image Manipulation Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

画像操作検出の目的は,画像中の操作領域を同定,位置決めすることである。最近のアプローチでは,操作領域を位置決めするために画像中に残された改ざんアーチファクトを捉えるために,主に洗練された畳込みニューラルネットワーク(CNN)を採用する。しかしながら,これらのアプローチは,特徴相関,すなわち,操作領域と非操作領域の間の特徴不整合を無視し,劣った検出性能をもたらす。この課題に取り組むために,2つの並列分枝から成る階層的グラフ畳込みネットワーク(HGCN-Net)を提案する:それは画像操作検出のためのバックボーンネットワーク分岐と階層的グラフ表現学習(HGRL)ブランチである。特に,与えられた画像の特徴マップをバックボーンネットワークブランチにより抽出し,次に特徴マップ内の特徴相関をHGRL分岐による階層的グラフ表現を学習するための完全連結グラフの集合としてモデル化した。学習された階層的グラフ表現は,異なるスケールにわたる特徴相関を十分に捉えることができ,従って,操作および非操作領域を識別するための高い識別可能性を提供する。4つの公開データセットに関する大規模な実験は,提案したHGCN-Netが有望な検出精度を提供するだけでなく,最先端技術と比較して,画像操作検出のタスクにおける多様な一般的画像攻撃の下で強いロバスト性を達成することを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識

前のページに戻る