Comprint: Image Forgery Detection and Localization using Compression Fingerprints

要約

画像をリアルに編集する操作ツールが広く出回っているため、誰でも簡単に誤報を作成し、拡散させることができる。フェイクニュースに対抗するため、偽造の検出とローカライズの手法が考案されました。しかし、既存の手法では、インターネット上の画像、すなわち野生の画像に見られる操作を正確に明らかにすることに苦労しています。それは、再圧縮によって改ざん痕跡が損なわれることに加え、一般的に偽造の種類が不明であるためである。本論文では、圧縮フィンガープリントまたはコンプリントに基づく新しい偽造検出およびローカライゼーション手法であるComprintを紹介する。これは、原始的なデータのみで学習され、異なる種類の操作を検出するための一般化を提供する。さらに、我々はComprintと、補完的なカメラモデルのフィンガープリントを利用する最先端のNoiseprintの融合を提案する。広範な実験分析を行い、実環境を模擬した様々な種類の操作の5つの評価データセットにおいて、Comprintが高い精度を有することを実証する。特に、提案する融合手法は、最新の参照手法を大幅に上回る性能を発揮します。このように、ComprintとComprint+Noiseprintの融合は、野生の改ざん画像を解析するための有望なフォレンジックツールであると言えます。

要約(オリジナル)

Manipulation tools that realistically edit images are widely available, making it easy for anyone to create and spread misinformation. In an attempt to fight fake news, forgery detection and localization methods were designed. However, existing methods struggle to accurately reveal manipulations found in images on the internet, i.e., in the wild. That is because the type of forgery is typically unknown, in addition to the tampering traces being damaged by recompression. This paper presents Comprint, a novel forgery detection and localization method based on the compression fingerprint or comprint. It is trained on pristine data only, providing generalization to detect different types of manipulation. Additionally, we propose a fusion of Comprint with the state-of-the-art Noiseprint, which utilizes a complementary camera model fingerprint. We carry out an extensive experimental analysis and demonstrate that Comprint has a high level of accuracy on five evaluation datasets that represent a wide range of manipulation types, mimicking in-the-wild circumstances. Most notably, the proposed fusion significantly outperforms state-of-the-art reference methods. As such, Comprint and the fusion Comprint+Noiseprint represent a promising forensics tool to analyze in-the-wild tampered images.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL