基于 GPU 加速 SIFT 的稳像视频来源识别
计算机视觉与模式识别
2022-08-01 v1 多媒体
图像与视频处理
摘要
视频稳像是现代采集设备常用的机内处理。尽管显著提升了所成视频的视觉质量，已有研究表明该操作通常会妨碍视频信号的取证分析。事实上，通常基于光响应非均匀性（PRNU）的采集来源识别，依赖于对稳相阶段每帧所施加变换的估计。已有若干技术用于处理此问题，但由于在反演参数空间中进行网格搜索，它们通常计算负担沉重。我们的工作尝试利用图形处理单元（GPUs，通常用于深度学习应用）的并行能力，在稳像帧反演框架中缓解这些不足。此外，我们提出利用 SIFT 特征{估计相机动量并}%识别稳定度较低的时段，从而实现更精确的来源识别分析，并高效初始化相邻帧的逐帧参数搜索。在公认基准数据集上的实验证实了所提方法在减少所需计算时间并提升来源识别精度方面的有效性。{代码见 \url{https://github.com/AMontiB/GPU-PRNU-SIFT}}。
引用
@article{arxiv.2207.14507,
title = {GPU-accelerated SIFT-aided source identification of stabilized videos},
author = {Andrea Montibeller and Cecilia Pasquini and Giulia Boato and Stefano Dell'Anna and Fernando Pérez-González},
journal= {arXiv preprint arXiv:2207.14507},
year = {2022}
}