HRFNet: High-Resolution Forgery Network for Localizing Satellite Image Manipulation

要約

既存の高解像度衛星画像偽造位置特定方法は、パッチベースまたはダウンサンプリングベースのトレーニングに依存しています。
これらのトレーニング方法には両方とも、元の領域と偽造された領域の間の不正確な境界、不要なアーティファクトの生成などの大きな欠点があります。前述の課題に取り組むために、高解像度画像セグメンテーションの文献からインスピレーションを得て、衛星画像の偽造位置特定を効果的に可能にする HRFNet と呼ばれる新しいモデルを提案します。
具体的には、浅い分岐と深い分岐を備えたこのモデルは、グローバルとローカルの両方の方法で RGB 機能とリサンプリング機能をうまく統合し、偽造箇所をより正確に特定できます。
私たちはさまざまな実験を行って、既存の方法と比較してメモリ要件と処理速度が損なわれずに、私たちの方法が最高のパフォーマンスを達成できることを実証しました。

要約(オリジナル)

Existing high-resolution satellite image forgery localization methods rely on patch-based or downsampling-based training. Both of these training methods have major drawbacks, such as inaccurate boundaries between pristine and forged regions, the generation of unwanted artifacts, etc. To tackle the aforementioned challenges, inspired by the high-resolution image segmentation literature, we propose a novel model called HRFNet to enable satellite image forgery localization effectively. Specifically, equipped with shallow and deep branches, our model can successfully integrate RGB and resampling features in both global and local manners to localize forgery more accurately. We perform various experiments to demonstrate that our method achieves the best performance, while the memory requirement and processing speed are not compromised compared to existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google