要約
リアルな画像改ざんに対抗するため、さまざまな種類の改ざん手法が組み合わされた状況に直面する現実を踏まえ、本研究では「ManTra-Net」と呼ばれる統合的な深層ニューラルネットワークアーキテクチャを提案する。既存の多くの手法とは異なり、ManTra-Netは前処理や後処理を必要とせず、エンドツーエンドで改ざんの検出と局所化を同時に行うことができる。ManTra-Netは完全畳み込みネットワーク（fully convolutional network）であり、任意のサイズの画像を処理可能であり、画像合成（splicing）、コピー・ムーブ（copy-move）、領域削除（removal）、強調（enhancement）といった既知の改ざん手法だけでなく、未知の改ざんタイプに対しても対応できる。本論文は以下の3つの顕著な貢献を果たしている。第一に、385種類の画像改ざんタイプを分類するというシンプルだが効果的な自己教師学習タスクを設計し、堅牢な画像改ざん痕跡を学習する。第二に、改ざん局所化問題を局所的な異常検出問題として定式化し、局所的な異常を捉えるためのZスコア特徴量を設計するとともに、局所異常を評価するための新規な長短期記憶（LSTM）アプローチを提案した。第三に、提案アーキテクチャの最適化を系統的に行うために、詳細なアブレーション実験を実施した。広範な実験結果から、ManTra-Netが単一の改ざんタイプに対してだけでなく、複雑な改ざん手法の組み合わせに対しても、高い汎化性、堅牢性および優位性を示すことが明らかになった。