更安全的画面？数字图像方向性的深入分析及其安全影响

图像捕获的方向会影响下游应用中的安全性。一个原因是许多最先进的媒体安全方法假设图像统计在水平和垂直方向上相似，允许它们通过合并系数来减少特征数量（或可训练权重）。我们表明，这种人为的对称化倾向于抑制自然图像和常见处理操作的重要属性，导致性能损失。我们也观察到另一种问题，即未解决的方向性会导致基于学习的方法对单一方向过拟合。这些方法对选择取向较少的输入而言容易受到操纵。本文采取全面方法，识别并系统化了获取管道中多个阶段的方向性原因，衡量其影响，并演示了对于三种选定的安全应用（隐写分析、 forensic source 识别以及人工合成图像检测）如何通过正确处理方向性来提高最先进方法的性能。