基于像素差分卷积和视觉转换器的源相机识别方法 PDC-ViT
计算机视觉与模式识别
2025-01-30 v1
摘要
源相机识别作为解锁涉及恐怖主义、暴力及其他犯罪活动等关键案件的重要手段，能够帮助执法机构收集证据并构建事件时间线。此外，识别特定设备的所有者可在涉及智能手机的犯罪调查中缩小搜寻范围。本文提出了一种新的基于像素的方法用于源相机识别，将像素差分卷积（Pixel Difference Convolution, PDC）与视觉转换器网络（Vision Transformer, ViT）相集成，命名为 PDC-ViT。其中，PDC通过利用角向PDC（Angular PDC, APDC）和径向PDC（Radial PDC, RPDC）作为特征提取的骨干网络，增强了捕捉像素细微变异的能力，这对于区分不同源相机至关重要。方法的后续部分聚焦于分类任务，基于视觉转换器网络实现。不同于传统方法直接利用图像块进行分类网络训练，本文方法独特地将PDC特征输入到视觉转换器网络中。为证明PDC-ViT方法的有效性，本文在包含多种图像内容和视频场景的五个数据集上进行评估，并与最新源相机识别方法进行比较。实验结果表明，与现有方法相比，所提出的系统在准确率和鲁棒性方面具有优势。例如，我们的方法在 Vision 数据集、Daxing 数据集、Socrates 数据集和 QUFVD 数据集上的准确率分别达到94.30%、84%、94.22%和92.29%。
引用
@article{arxiv.2501.16227,
title = {PDC-ViT : Source Camera Identification using Pixel Difference Convolution and Vision Transformer},
author = {Omar Elharrouss and Younes Akbari and Noor Almaadeed and Somaya Al-Maadeed and Fouad Khelifi and Ahmed Bouridane},
journal= {arXiv preprint arXiv:2501.16227},
year = {2025}
}