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 |
6 |
発行日 |
2021-11-08 (EA, EMM) |
|