講演抄録/キーワード |
講演名 |
2019-03-13 15:15
[ポスター講演]映像改ざん検出における時空間特徴量の検証 ○大城将健(阪大)・河野和宏(関西大)・馬場口 登(阪大) EMM2018-104 |
抄録 |
(和) |
画像・映像の編集技術の進展に伴い,専門的な知識を有さない一般人でも容易な映像編集が可能となっている.そのため,映像の正真性を保証する改ざん検出システムを開発することが早急な課題となっている.本研究の目的は,動的シーン映像に対して,空間的改ざんが施された物体を検出することである.映像は空間情報と時系列情報の特性を持つことから,時空間特性を考慮可能な畳み込みニューラルネットワーク(Convolutional Neural Network: CNN)を用いることで,映像の改ざん領域を検出する.本稿では,時空間特性を考慮可能なCNNの一つであり,空間方向と時間方向を個別に畳み込む(2+1)D CNNを採用する.これにより,空間的改ざんが空間方向,時間方向に及ぼす影響を詳細に検証するとともに,提案手法が3D CNNを用いた既存手法よりも良好な精度を示したことを報告する. |
(英) |
The purpose of our work is to detect objects tampered in the spatial domain of videos including dynamic scenes such as a video taken with a smartphone. We use forgery detection models based on spatio-temporal Convolutional Neural Networks (CNN) to consider spatial and temporal aspects of videos. In this paper, we adopt (2+1)D CNN, which is one of the CNNs and calculates each convolution individually. We investigate the influences of spatial and temporal features on video forgery detection. We also report that our proposed forgery detection system based on (2+1)D CNN achieved higher accuracy than a detection system based on 3D CNN. |
キーワード |
(和) |
映像解析 / 映像改ざん検出 / 受動的手法 / 時空間畳み込みニューラルネットワーク / 物体修正 / / / |
(英) |
Video Analysis / Video Forgery Detection / Passive Approach / Spatio-Temporal Convolutional Neural Network / Object Modification / / / |
文献情報 |
信学技報, vol. 118, no. 494, EMM2018-104, pp. 67-72, 2019年3月. |
資料番号 |
EMM2018-104 |
発行日 |
2019-03-06 (EMM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EMM2018-104 |
研究会情報 |
研究会 |
EMM |
開催期間 |
2019-03-13 - 2019-03-14 |
開催地(和) |
沖縄県青年会館 |
開催地(英) |
TBD |
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 |
2019-03-EMM |
本文の言語 |
日本語 |
タイトル(和) |
映像改ざん検出における時空間特徴量の検証 |
サブタイトル(和) |
|
タイトル(英) |
A Consideration on Spatio-Temporal Feature Learning for Video Forgery Detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
映像解析 / Video Analysis |
キーワード(2)(和/英) |
映像改ざん検出 / Video Forgery Detection |
キーワード(3)(和/英) |
受動的手法 / Passive Approach |
キーワード(4)(和/英) |
時空間畳み込みニューラルネットワーク / Spatio-Temporal Convolutional Neural Network |
キーワード(5)(和/英) |
物体修正 / Object Modification |
キーワード(6)(和/英) |
/ |
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) |
大城 将健 / Shoken Ohshiro / オオシロ ショウケン |
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 |
第1著者 |
発表日時 |
2019-03-13 15:15:00 |
発表時間 |
60分 |
申込先研究会 |
EMM |
資料番号 |
EMM2018-104 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.494 |
ページ範囲 |
pp.67-72 |
ページ数 |
6 |
発行日 |
2019-03-06 (EMM) |