基于 SWIN Transformer 的域无关重捕获屏幕图像识别
计算机视觉与模式识别
2024-07-26 v2
摘要
不断发展的分类方法旨在解决图像重播和重捕获的问题，这是保险欺诈、人脸投屏和视频盗版中的一种标准攻击策略。然而，大多数方法忽略了尺度变化和域泛化情景，在涉及域迁移的实例中表现不佳，尤其是由域间和跨域尺度差异导致的。为克服这些问题，本研究提出了一种级联数据增强和 SWIN Transformer 域泛化框架（DAST-DG）。首先，我们检查了数据集表示之间的差异。训练一个特征生成器，使不同域的真实图像难以区分。随后将此过程应用于重捕获图像，构建双对抗学习 setup。大量实验表明，我们的方法是实用且在不同数据库中超越了当前最先进的方法。我们的模型在高方差数据集上实现约 82% 的准确率，召回率达 95%。
关键词
引用
@article{arxiv.2407.17170,
title = {Domain Generalized Recaptured Screen Image Identification Using SWIN Transformer},
author = {Preeti Mehta and Aman Sagar and Suchi Kumari},
journal= {arXiv preprint arXiv:2407.17170},
year = {2024}
}
备注
11 pages, 10 figures, 9 tables