Mar, 2024

关于利用 DCT 统计量进行裁剪检测的探索

PDF
TL;DR通过离散余弦变换 (DCT) 导出的频率成分的研究已被广泛应用于图像分析。最近观察到这些成分可以对图像的生命周期提供重要信息，但尚无研究专注于它们与图像的源分辨率之间的分析。本研究调查了一种新的图像分辨率分类器，该分类器采用 DCT 统计数据，旨在检测图像的原始分辨率；特别是利用此洞察力来解决识别裁剪图像的挑战。通过在整个图像上训练机器学习 (ML) 分类器 (而非裁剪过的图像)，生成的模型可以利用此信息来检测裁剪。结果表明，该分类器可靠地区分裁剪和非裁剪图像，可可靠估计其原始分辨率。此项突破对图像处理应用具有重要意义，包括数字安全、真实性验证和视觉质量分析，为检测图像操作和提升图像质量评估提供了新工具。这项工作为该领域开启了新的视角，具有潜力改变多个领域中的图像分析与使用。
discrete cosine transformimage analysisimage resolution classifiercropped imagesmachine learning classifier
发现论文，激发创造
  • 探索基于 DCT 表示的语义分割

    本文提出了一种在离散余弦变换（DCT）表示上执行语义分割的方法，通过重新排列 DCT 系数以形成首选输入类型，并针对 DCT 输入量调整现有网络来实现。该方法的准确性接近于 RGB 模型，在网络复杂性相当的情况下，适当选择 DCT 分量可以使用 36％的 DCT 系数获得相同水平的准确性，并且可以显示该方法的鲁棒性在量化误差下。据我们所知，这是第一篇探索 DCT 表示上的语义分割的论文。

    Jul, 2019

  • 关于生成型人工智能领域中 DCT 轨迹的利用

    自从出现以来，Deepfakes 代表了网络安全与数字取证领域中最棘手的挑战之一。在最近几年，研究人员发现，生成模型在合成数据中留下了独特的痕迹，如果详细分析和确定，可以利用这些痕迹来改善现有 Deepfake 检测器的泛化能力。本文通过在频域中分析 Deepfake 图像，详细研究了离散余弦变换 (DCT) 的 beta-AC 系数。我们认识到并假设不是所有系数对图像识别的贡献都相同，推测每种图像都嵌入了特定系数组合的唯一 “辨别指纹”。为了识别它们，我们使用机器学习分类器训练了各种系数组合。将可解释 AI (LIME) 算法与神经分类器相结合，探索了系数的替代组合，可以更深入地了解合成图像的辨别特征。实验结果揭示了使用特定的 beta-AC 系数组合以改善生成模型留下的痕迹分析的巨大潜力。

    Feb, 2024

  • 学习 JPEG 压缩伪迹用于图像篡改检测和定位

    通过使用卷积神经网络 (CNN) 和离散余弦变换 (DCT) 系数，本文提出了一种用于本地化检测图像篡改的方法，并介绍了 Compression Artifact Tracing Network (CAT-Net)。CAT-Net 与传统方法和基于深度神经网络的方法相比，在检测和本地化篡改区域时具有更好的性能。

    Aug, 2021

  • 提高视频深度伪造检测：一种基于 DCT 的补丁级分析方法

    通过从离散余弦变换 (DCT) 中提取 Beta 分量并将其用作标准分类器的输入，从而快速识别合成内容并确定视频的性质，该方法在福全学的角度上具有又快又可解释性，不需要太多计算力。

    Oct, 2023

  • 使用离散余弦变换的深度卷积神经网络进行失真鲁棒图像分类

    本文提出一种基于离散余弦变换的 DCT-Net 模块，可用于改善卷积神经网络 (CNN) 在面对包括高噪音、模糊等多种苟且不净的图像质量下的分类表现。通过丢弃高频信息，DCT-Net 能够在训练和测试过程中自适应地适应各种扭曲情况，仅需盲目一次训练即可用于未知的图像失真情况，结果表明 DCT-Net 在 CIFAR-10/100 和 ImageNet 测试数据集上具有更好的分类准确性。

    Nov, 2018

  • 图像裁剪解析

    本文研究了计算机视觉中的裁剪操作对图像质量的影响，特别是对于色彩像差和暗角等图像瑕疵的快速检测与矫正，并探讨了其对神经网络学习的影响。

    Nov, 2020

  • DCT-Mask：离散余弦变换蒙版表示实例分割

    本研究提出了一种新的掩模表示方法 DCT-Mask，通过在高分辨率二进制网格掩模中应用离散余弦变换编码成紧凑向量，进而容易地融入大多数基于像素的实例分割方法，并在不同框架、主干网络、数据集和训练时间表上仅仅稍有改进。

    Nov, 2020

  • 基于 DCT 特征和 PCNN 结构的一种新的散焦模糊区域检测方法

    这篇论文介绍了一种基于离散余弦变换（DCT）系数和感知共振神经网络（PCNN）结构的新型混合焦点检测方法，有效地检测出失焦图像中清晰物体，且在准确性和效率方面优于其他算法。

    Oct, 2023

  • 一种用于检测双重 JPEG 压缩的多分支卷积神经网络

    本文提出了一种使用 JPEG 图像的 DCT 系数作为输入的 CNN 解决方案来检测双 JPEG 压缩的方法，并且相对于以往方法具备端到端的检测能力。

    Oct, 2017

  • 高分辨率航空图像的级联缩放检测器

    本文提出了一种高效的级联缩放检测器（CZ），它利用密度引导的训练和推断解决了在高分辨率航拍图像中检测拥挤小目标的问题，并在 VisDrone 数据集上表现出优异的性能。

    Mar, 2023