お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-11-15 09:00
[ポスター講演]CNN生成画像の汎用検出器のための学習データセットの検討
田中美貴貴家仁志都立大EA2021-32 EMM2021-59
抄録 (和) CNN によって画像の生成や加工が容易になり,シンセティックメディアが急速に普及している.一方,CNN による画像生成は,カメラで撮影された本物の画像と生成画像の区別を困難にし,新たな課題を生じさせている.本稿では,CNN生成画像の汎用検出器について考察を行う.CNN画像生成モデルの構造は種類が多く,すべてのモデルを事前に学習することは困難である.本稿では,少数のモデルにより生成された画像を検出器モデルの学習に使い,様々な生成モデルから生成された画像を高い精度で検出を可能とする汎用検出器の開発を目指す.CNN画像生成モデルをその特徴によって分類し,各クラスの代表的な生成モデルの画像を検出器の学習データセットに使用することを検討する.また RGB 画像とスペクトル画像の得意とする生成モデルの違いから,検出器に入力する特徴を統合することを提案する. 
(英) Recent rapid advances in convolutional neural networks (CNNs) have made manipulating and generating images easy, so synthetic media have been spread rapidly. In contrast, CNN-generated images have generated a new problem that is to make more complicated to judge images to be either real images or ones generated with CNNs. In this paper, we aim to improve a universal detector of CNN-generated images. It is difficult to train a detector by using images generated from all CNN-generation models because there are a variety of CNN-generated models. In this paper, CNN-generated models are classified in accordance with the properties that existing CNN models have, and a universal detector is then trained by using images selected from each class. In addition, from an ensemble of RGB images and spectrum images is also proposed to enhance the performance of the proposed universal detector.
キーワード (和) GAN / CNN / チェス盤歪み / フェイク画像 / / / /  
(英) GAN / CNN / checkerboard artifact / fake image / / / /  
文献情報 信学技報, vol. 121, no. 247, EMM2021-59, pp. 31-36, 2021年11月.
資料番号 EMM2021-59 
発行日 2021-11-08 (EA, 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 EA2021-32 EMM2021-59

研究会情報
研究会 EMM EA ASJ-H  
開催期間 2021-11-15 - 2021-11-16 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) <ビギナーズセッション>応用/電気音響,コンテンツ処理,情報ハイディング,聴覚,一般 
テーマ(英) [Beginners Session] Engineering/Electro Acoustics, Content Processing, Digital Watermarking, Psychological and Physiological Acoustics, and Related Topics 
講演論文情報の詳細
申込み研究会 EMM 
会議コード 2021-11-EMM-EA-H 
本文の言語 日本語 
タイトル(和) CNN生成画像の汎用検出器のための学習データセットの検討 
サブタイトル(和)  
タイトル(英) A consideration of training datasets for universal detectors of CNN-generated images 
サブタイトル(英)  
キーワード(1)(和/英) GAN / GAN  
キーワード(2)(和/英) CNN / CNN  
キーワード(3)(和/英) チェス盤歪み / checkerboard artifact  
キーワード(4)(和/英) フェイク画像 / fake image  
キーワード(5)(和/英) /  
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) 田中 美貴 / Miki Tanaka / タナカ ミキ
第1著者 所属(和/英) 東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.)
第2著者 氏名(和/英/ヨミ) 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ
第2著者 所属(和/英) 東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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 2021-11-15 09:00:00 
発表時間 120分 
申込先研究会 EMM 
資料番号 EA2021-32, EMM2021-59 
巻番号(vol) vol.121 
号番号(no) no.246(EA), no.247(EMM) 
ページ範囲 pp.31-36 
ページ数
発行日 2021-11-08 (EA, EMM) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会