Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Detection of Gross Error: The Q Test01:00

Detection of Gross Error: The Q Test

6.8K
When one or more data points appear far from the rest of the data, there is a need to determine whether they are outliers and whether they should be eliminated from the data set to ensure an accurate representation of the measured value. In many cases, outliers arise from gross errors (or human errors) and do not accurately reflect the underlying phenomenon. In some cases, however, these apparent outliers reflect true phenomenological differences. In these cases, we can use statistical methods...
6.8K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Multifunctional Polydopamine Nanoparticles to Alleviate Oxidative Stress and Inhibit Ferroptosis for Cisplatin-Induced Acute Kidney Injury Therapy.

Molecular pharmaceutics·2026
Same author

Mapping the analytical toolbox for next-generation adjuvant immunology: A bibliometric analysis of characterization techniques and emerging trends (2006-2025).

Talanta·2026
Same author

Corrigendum to: Sortilin as a Culprit in the Atherosclerosis Plaque Progression: Evidence from Clinical and Experimental Studies.

Current molecular medicine·2026
Same author

Impact of rehabilitation trajectory on affective and cognitive impairment after intracerebral hemorrhage: a cohort study.

Frontiers in neurology·2026
Same author

Identification of small-molecule TNF-α inhibitor candidates using machine learning-guided screening and multiscale molecular modelling.

Scientific reports·2026
Same author

Guide RNA reprogramming facilitates minimized tracrRNA-dependent off-target and versatile CRISPR/Cas9 engineering.

Nature communications·2026

関連する実験動画

Updated: Jan 7, 2026

Visualizing Visual Adaptation
04:43

Visualizing Visual Adaptation

Published on: April 24, 2017

9.5K

テスト時適応による画像インペインティング偽造検出

Long Sun, Guopu Zhu, Hongli Zhang

    IEEE transactions on cybernetics
    |December 30, 2025
    PubMed
    まとめ

    この研究は、深層学習ベースの画像インペインティング偽造検出を改善するための新しいテスト時適応フレームワークを導入します。この手法は、テストデータの分布がトレーニングデータと異なる場合でも検出精度を向上させ、真正性の課題に対処します。

    科学分野:

    • コンピュータサイエンス
    • 人工知能
    • 画像処理

    背景:

    • 深層学習ベースの画像インペインティングは、現在の検出モデルにとって課題となる非常にリアルな偽造を作成します。
    • テストデータの分布がトレーニングデータの分布と異なる場合（分布シフト）、検出パフォーマンスは大幅に低下します。
    • 既存の方法は、さまざまなインペインティング技術の進化する性質と多様な痕跡に対処するのに苦労しています。

    研究 の 目的:

    • 画像インペインティング偽造のための堅牢なテスト時適応検出フレームワークを開発すること。
    • 動的で分布外の環境における偽造検出モデルの適応性と検出精度を向上させること。
    • 多様で進化するインペインティング手法に直面する静的検出モデルの限界に対処すること。

    主な方法:

    • モデルの不確実性を定量化し、適応をガイドするために画像勾配ベースのメトリックを提案します。
    • 不確実性メトリックをサンプル固有のバッチ正規化（BN）統計と統合して、推論を強化します。
    • バックボーンネットワークを変更せずに動的でサイドチューニングな適応のためのクロスアテンションモジュールを導入します。
    • 複数のインペインティング手法から合成された多様なデータセットを構築します。

    主要な成果:

    キーワード:
    画像インペインティング偽造検出テスト時適応深層学習分布シフト不確実性定量化クロスアテンション

    さらに関連する動画

    Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters
    07:05

    Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters

    Published on: June 18, 2021

    2.8K
    Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
    07:03

    Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration

    Published on: February 23, 2017

    8.0K

    関連する実験動画

    Last Updated: Jan 7, 2026

    Visualizing Visual Adaptation
    04:43

    Visualizing Visual Adaptation

    Published on: April 24, 2017

    9.5K
    Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters
    07:05

    Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters

    Published on: June 18, 2021

    2.8K
    Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
    07:03

    Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration

    Published on: February 23, 2017

    8.0K
    • 提案されたテスト時適応フレームワークは、既存のベースライン手法を大幅に上回っています。
    • 偽造検出モデルの分布シフトへの適応性が向上したことを実証しました。
    • 未知のインペインティングバリエーションが存在する動的な環境で検出パフォーマンスが向上しました。
    • 分布バイアスの2つのシナリオで有効性を検証しました。

    結論:

    • 開発されたフレームワークは、洗練された画像インペインティング偽造を検出するという課題に効果的に対処します。
    • 勾配メトリックとクロスアテンションモジュールを使用したテスト時適応により、モデルの堅牢性が向上します。
    • このアプローチは、現実世界の進化するシナリオで高い検出精度を維持するための有望なソリューションを提供します。