| 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 | 2021-03-04 14:45 ［ポスター講演］敵対的生成ネットワークによる映像改ざん検出法の改良 ○大迫勇太郎（阪大）・河野和宏（関西大）・馬場口 登（阪大）  EMM2020-72 |
|
| 抄録 | （和） | 近年，映像の利用機会の増加とともに映像編集技術も進歩しているが，この技術が映像改ざんに悪用されるおそれがある．改ざんを防ぐための手法として敵対的生成ネットワークを用いた映像改ざん領域検出モデルがあり，ほかの深層学習を用いたモデルよりも高精度な検出を可能としているが，誤検出・未検出がまだ存在し改良の余地がある．そこで本稿では，敵対的生成ネットワークを用いた映像改ざん領域検出モデルにおける問題点を改良し，より高精度に改ざんを検出することを目的とする．データセットの構成比，識別器における損失関数，生成器のネットワーク，に注目してそれぞれの改良手法を検討し，改良前後の映像改ざん予測マップを検証したところ，既存モデルより良好な検出精度を示した． |
| （英） | Our work aims to detect tampered objects in the spatial domain of videos with high accuracy. We target videos, including dynamic scenes like camera shake. Our group proposed a video forgery detection using generative adversarial networks (GAN) in the past. In this paper, we describe and improve three issues in the detection system: the ratio of tampered videos and original videos in datasets, two kinds of loss functions, and the generator's network in GAN. We also report that our improved forgery detection system based on GAN achieved higher accuracy than the related detection system. | |
| キーワード | （和） | 映像改ざん領域検出 / 動的シーン / 物体修正 / 敵対的生成ネットワーク / 損失関数 / 生成器 / / |
| （英） | Video Forgery Detection / Dynamic Scene / Object Modification / Generative Adversarial Network / Loss function / Generator / / | |
| 文献情報 | 信学技報, vol. 120, no. 418, EMM2020-72, pp. 28-33, 2021年3月. | |
| 資料番号 | EMM2020-72 | |
| 発行日 | 2021-02-25 (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 | EMM2020-72 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2021-03-04 - 2021-03-05 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| 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 | 2021-03-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | 敵対的生成ネットワークによる映像改ざん検出法の改良 |
| サブタイトル（和） | |
| タイトル（英） | Improvement of Video Forgery Detection Using Generative Adversarial Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 映像改ざん領域検出 / 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） | 物体修正 / Object Modification |
| キーワード(4)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Network |
| キーワード(5)（和/英） | 損失関数 / Loss function |
| キーワード(6)（和/英） | 生成器 / Generator |
| 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） | 大迫 勇太郎 / Yutaro Osako / オオサコ ユウタロウ |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-04 14:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2020-72 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.418 |
| ページ範囲 | pp.28-33 |
| ページ数 | 6 |
| 発行日 | 2021-02-25 (EMM) |
[研究会発表申込システムのトップページに戻る]