MétaCan
Menu
Retour à la cohorte
Enregistrement W4402947180 · doi:10.18280/mmep.110920

A New Face Image Manipulation Localization and Recovery Algorithm Using Image Watermarking and Integer Wavelet Transform

2024· article· en· W4402947180 sur OpenAlexvenueno aff
Asmaa Hatem Jawad, Rasha Thabit, Muntadher H. Al-Hadaad, Khamis A. Zidan

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Video Stabilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImage (mathematics)Integer (computer science)Artificial intelligenceDigital watermarkingFace (sociological concept)Computer visionWavelet transformComputer scienceWaveletAlgorithmPattern recognition (psychology)

Résumé

récupéré en direct d'OpenAlex

Recognizing different kinds of modifications and identifying the altered portions of the face region have been the main focus of recent developments in face image manipulation detection.In actual applications, the ability to restore the facial region after modification localization would be highly helpful, but this was not addressed in earlier studies.This research utilizes integer wavelet transform (IWT) coefficients to produce recovery information from the face region and watermarking-based technique for incorporating the generated data into the cover face image.Three distinct algorithms have been proposed for producing the recovery data, and the one demonstrating superior performance, specifically IWT (cdf 3.5), is employed within main algorithms.The novelty of the suggested technique stems from its integration of an IWT-based recovery method, along with the manipulation detection process, which has not been showcased in prior research studies.The main contributions of the suggested algorithm include its efficiency to precisely identify altered blocks within the facial area and to reinstate the unaltered version when modifications are present.The advantage of the proposed algorithm is demonstrated through the comparisons with earlier methods where it can be used in digital art to ensure the originality, integrity, and security of facial images.The practical applications include various fields such as forensic investigations, digital image authentication, online safety, content moderation, medical imaging, security systems, entertainment, privacy protection, historical documentation, The limitation of the proposed algorithm is the restricted embedding capacity.The future researches can be conducted in different directions such as enhancing the embedding capacity, implementing a real-time detection system for live video streams, and investigating the main requirements for efficient algorithm's execution on hardware devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,223
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetImage and Video StabilizationTravaux en français237 207