保存和使用人工智能评估图像和视频的完整性

解开越来越难以捉摸的对手伪造图像,提出了各种方法在最近的文献,包括:
(1)方法基于相机传感器识别依赖于传感器的保存特征
(2)图像编码为方法,利用低级图像压缩特性,
(3)最调查类别包含了所有的编辑方法,包括主动和被动的技术。

活动技术插入片段确保任何篡改,而被动的方法直观地基于可衡量的痕迹可能的操作与全球和当地的噪声信号,工件,前景/背景,图像照明等。

被动方法是直接和更普遍的,然而,他们现在一些易受图像压缩。他们还可以对颜色改变和失败是有些依赖于图像本身的分辨率。最近复杂的生成算法(如氮化镓,VAE,扩散模型,等等)添加一个高度的困难发现图像伪造。

在这个研究课题收集,我们征求高级研究揭露伪造,并使用人工智能在图像和视频处理。主题包括原始的贡献解决下列事项:

•积极形象保护方法(例如,签名、水印等)。
•相机传感器deepfake对策
•图像编码为deepfake检测
•被动editing-based方法,例如,利用噪声,强度,和/或任何其他有价值的图像属性。

主题也可能包括相关领域的研究,如面对欺骗,在遥感、医学图像篡改检测/文档,和图像/场景的一代。

关键字:Deepfake检测、图像篡改图像的完整性,生成模型、图像保护

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。