خوارزمية تحديد تعديل الصور القائمة على ترميز معزز ثنائي التدفق وفك ترميز محسّن بالانتباه
摘要
تستخدم طرق تحديد تعديل الصور السائدة عادة عمليات بسيطة لدمج الخصائص غير المتسقة من تدفقات مختلفة، مما يؤدي إلى تكرار الخصائص والكشف الخاطئ عن بكسلات منطقة التعديل. استنادًا إلى ذلك، تقترح هذه الورقة إطار عمل لتحديد تعديل الصور قائم على ترميز معزز ثنائي التدفق وفك ترميز محسّن بالانتباه. أولاً، يقترح ترميز معزز ثنائي التدفق يعزز بشكل ذاتي ويعزز تفاعليًا من خلال أوزان انتباه متقاطع معتمدة على الضوضاء والقناة على التوالي لميزات الصورة والنطاق الترددي. ثم يُدخل استراتيجية مجال استقبال متعدد المستويات لاستكشاف معلومات السياق متعددة المقاييس، ويصمم وحدة تجميع الميزات المتجاورة لدمج الميزات المجاورة متعددة المقاييس. أخيرًا، باستخدام تعزيز تعاوني بين مناطق التعديل وغير التعديل لتعزيز قدرة النموذج على تحديد التعديل، يُقترح وحدة فك ترميز محسّنة بالانتباه لإزالة الأخطاء في التنبؤ بالبكسلات الحافة لمنطقة التعديل الأولية وتصحيح تحديد التعديل تدريجيًا بدقة. تم إجراء مقارنة مع طرق تحديد التعديل السائدة على أربعة مجموعات بيانات معيارية عامة NIST16، Coverage، Columbia، CASIA ومجموعتين من مجموعات التحدي الواقعية IMD20، Wild. تظهر الخوارزمية المقترحة أداءً ممتازًا في 6 مجموعات بيانات تحت إعدادات النموذج بدون تعديل والنموذج المعدل، مما يثبت أن شبكة تحديد التعديل المقترحة قادرة على الاستفادة الكاملة من إشارات التعديل المختلفة لتحقيق تحديد فعال لمناطق التعديل عبر مجموعات بيانات مختلفة مع دقة تحديد أعلى وقوة أعلى.
关键词
تحديد تعديل الصور;ترميز معزز ثنائي التدفق;فك ترميز محسّن بالانتباه;تجميع الميزات المجاورة
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website