用于拷贝检测图案的随机数字孪生
计算机视觉与模式识别
2023-10-02 v1 图像与视频处理
摘要
拷贝检测图案（CDP）是一种用于产品防伪的高效技术。然而，研究CDP生产可变性的复杂性常导致耗时且昂贵的流程，限制了CDP的可扩展性。计算机建模的最新进展，尤其是打印-成像信道的“数字孪生”概念，增强了可扩展性并优化了认证系统。然而，开发精确的数字孪生绝非易事。本文扩展了先前基于机器学习数字孪生对CDP打印-成像信道建模的研究。该模型建立在称为“Turbo”的信息论框架之上，相比CycleGAN和pix2pix等传统生成模型表现出更优性能。然而，去噪扩散概率模型（DDPM）这一新兴领域因能随机建模打印-成像过程固有随机性，且在图像到图像翻译任务中表现优异，为生成模型提供了潜在进展。本研究旨在同一CDP数据集上比较Turbo框架与DDPM的能力，以确定DDPM模型在CDP安全数字孪生应用中的实际收益。此外，本文试图评估所研究模型在手机数据采集背景下的生成潜力。尽管DDPM方法比传统方法更复杂，我们的研究强调了其优势并探索了未来应用潜力。
引用
@article{arxiv.2309.16866,
title = {Stochastic Digital Twin for Copy Detection Patterns},
author = {Yury Belousov and Olga Taran and Vitaliy Kinakh and Slava Voloshynovskiy},
journal= {arXiv preprint arXiv:2309.16866},
year = {2023}
}
备注
Paper accepted at the IEEE International Workshop on Information Forensics and Security (WIFS) 2023