講演抄録/キーワード |
講演名 |
2018-03-05 14:35
[ポスター講演]時空間の連続性を考慮した映像改ざん検出 ○吉田崇晃(阪大)・河野和宏(関西大)・馬場口 登(阪大) 技報オンラインサービス実施中 |
抄録 |
(和) |
本稿では,木の揺らぎや降雪といった動的な背景,動的な撮影視点を持つ映像を対象に,改ざんされた物体を検出する手法を提案する.
動的なシーンに対応するため,空間情報の解析に優れた畳み込みニューラルネットワークと時間情報の解析に優れた再帰型ニューラルネットワークを組み合わせた検出モデルを用いる.
さらに,多様な改ざんに対応するため,従来の物体除去だけでなく,これまで研究対象とされていなかった物体修正も対象とする.
評価実験では,提案手法の1 つである畳み込みLSTM を用いた手法が,物体除去の場合,ROC 曲線下側面積(AUC)0.970, 等誤り率(EER)0.078,物体修正の場合,AUC 0.872,EER 0.219 と,既存研究よりも高い検出精度を示した. |
(英) |
This paper proposes a video forgery detection method in dynamic scenes such as dynamic background or dynamic perspectives.
In order to adapt to dynamic scenes, we use Convolutional Neural Network and Recurrent Neural Network together.
This enables as to consider spatio-temporal consistency of videos. We also construct new video forgery databases for object modification as well as object removal.
Our proposed method using Convolutional LSTM achieved Area-Under-Curve (AUC) 0.970 and Equal-Error-Rate (EER) 0.078 on the object addition database
and AUC 0.872 and EER 0.219 on the object modification database. |
キーワード |
(和) |
映像改ざん検出 / 動的シーン / Convolutional LSTM / CNN / RNN / Modification Dataset / / |
(英) |
Video Forgery Detection / Dynamic scene / Convolutional LSTM / CNN / RNN / Modification Dataset / / |
文献情報 |
信学技報, vol. 117, no. 476, EMM2017-81, pp. 23-28, 2018年3月. |
資料番号 |
EMM2017-81 |
発行日 |
2018-02-26 (EMM) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
研究会情報 |
研究会 |
EMM |
開催期間 |
2018-03-05 - 2018-03-06 |
開催地(和) |
奄美市名瀬公民館 |
開催地(英) |
Naze Community Center (Amami-Shi, Kagoshima) |
テーマ(和) |
画質・音質評価,知覚・認知メトリクス,人間視聴覚システム,一般 |
テーマ(英) |
Image and Sound Quality, Metrics for Perception and Recognition, Human Auditory and Visual System, etc. |
講演論文情報の詳細 |
申込み研究会 |
EMM |
会議コード |
2018-03-EMM |
本文の言語 |
日本語 |
タイトル(和) |
時空間の連続性を考慮した映像改ざん検出 |
サブタイトル(和) |
|
タイトル(英) |
Video Forgery Detection Considering Spatio-Temporal Consistency |
サブタイトル(英) |
|
キーワード(1)(和/英) |
映像改ざん検出 / Video Forgery Detection |
キーワード(2)(和/英) |
動的シーン / Dynamic scene |
キーワード(3)(和/英) |
Convolutional LSTM / Convolutional LSTM |
キーワード(4)(和/英) |
CNN / CNN |
キーワード(5)(和/英) |
RNN / RNN |
キーワード(6)(和/英) |
Modification Dataset / Modification Dataset |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
吉田 崇晃 / Takaaki Yoshida / ヨシダ タカアキ |
第1著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第2著者 氏名(和/英/ヨミ) |
河野 和宏 / Kazuhiro Kono / コウノ カズヒロ |
第2著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第3著者 氏名(和/英/ヨミ) |
馬場口 登 / Noboru Babaguchi / ババグチ ノボル |
第3著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
1 |
発表日時 |
2018-03-05 14:35:00 |
発表時間 |
60 |
申込先研究会 |
EMM |
資料番号 |
IEICE-EMM2017-81 |
巻番号(vol) |
IEICE-117 |
号番号(no) |
no.476 |
ページ範囲 |
pp.23-28 |
ページ数 |
IEICE-6 |
発行日 |
IEICE-EMM-2018-02-26 |