要約
マルチメディア地理位置情報のタスクは、人身売買、児童の性的搾取、その他の違法行為と効果的に闘うために、デジタル フォレンジック ツールキットのますます重要な要素になりつつあります。
通常、マルチメディア コンテンツがインスタント メッセージングやソーシャル メディアを介して共有される場合、メタデータ ベースの地理位置情報は削除されます。
このコンテンツ内での位置特定、位置タグ付け、または地理的手がかりの検索は複雑なため、調査者にとって負担が大きすぎることがよくあります。
最近の研究では、人工知能、特にコンピューター ビジョンとディープ ラーニングの現代の進歩が、マルチメディア地理位置情報タスクの迅速化に向けて大きな期待を示していることが示されています。
この系統的な文献レビューでは、マルチメディア地理位置情報にコンピュータ ビジョン技術を活用した最先端技術を徹底的に調査し、人身売買捜査を迅速化する可能性を評価しています。
これには、マルチメディア地理位置情報へのコンピューター ビジョン ベースのアプローチの適用に関する包括的な概要が含まれており、人身売買との戦いにおけるそれらの適用可能性を特定し、人身売買の訴追に対する強化されたマルチメディア地理位置情報の潜在的な影響を強調しています。
123 件の論文がこの体系的な文献レビューに情報を提供します。
この調査結果は、このテーマに関する将来の影響力のある研究に向けた多くの可能性のある道筋を示唆しています。
要約(オリジナル)
The task of multimedia geolocation is becoming an increasingly essential component of the digital forensics toolkit to effectively combat human trafficking, child sexual exploitation, and other illegal acts. Typically, metadata-based geolocation information is stripped when multimedia content is shared via instant messaging and social media. The intricacy of geolocating, geotagging, or finding geographical clues in this content is often overly burdensome for investigators. Recent research has shown that contemporary advancements in artificial intelligence, specifically computer vision and deep learning, show significant promise towards expediting the multimedia geolocation task. This systematic literature review thoroughly examines the state-of-the-art leveraging computer vision techniques for multimedia geolocation and assesses their potential to expedite human trafficking investigation. This includes a comprehensive overview of the application of computer vision-based approaches to multimedia geolocation, identifies their applicability in combating human trafficking, and highlights the potential implications of enhanced multimedia geolocation for prosecuting human trafficking. 123 articles inform this systematic literature review. The findings suggest numerous potential paths for future impactful research on the subject.
arxiv情報
| 著者 | Opeyemi Bamigbade,John Sheppard,Mark Scanlon |
| 発行日 | 2024-02-23 17:23:06+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google