pos機定位不準的解決方法,用不易察覺的位置編碼防止剪輯和拼接

網上有很多關于pos機定位不準的解決方法,用不易察覺的位置編碼防止剪輯和拼接的知識，也有很多人為大家解答關于pos機定位不準的解決方法的問題，今天pos機之家(www.tonybus.com)為大家整理了關于這方面的知識，讓我們一起來看下吧!

本文目錄一覽：

1、pos機定位不準的解決方法

pos機定位不準的解決方法

作者提出了一個模型，用于區分圖片是攝影師發布的圖片的真實副本，以及在發布后經過裁剪、拼接或降采樣處理的圖片。該模型包括與拍照者駐留在一起的編碼器和可供觀察者使用的匹配解碼器。編碼器學習在發布之前將難以察覺的位置簽名嵌入到圖像值中。解碼器學會使用這些隱寫位置(stegapos)簽名來確定每個小圖像補丁在其原始發布的圖像中所持有的二維位置坐標。裁剪、拼接和downsample編輯可以通過它們在隱藏的位置簽名中引起的不一致而被檢測到。作者發現，共同訓練編碼器和解碼器產生一個模型，不知不覺編碼的位置，并使優越的性能在建立的基準剪接檢測和高準確度的新基準剪輯檢測。

作者的貢獻有三方面:(1)作者引入了一種新的圖像編碼模型，稱為隱寫編碼，它使用學習到的隱寫噪聲將可解碼的絕對位置信息插入圖像中。(3)作者創建并發布了一個名為SmartCrop21的剪輯檢測新基準，并報告作者的模型在它上的性能。

編碼器將輸入圖像I與預先設置的正弦位置碼Ψ域連接起來，然后將這些映射到添加到I(帶有夾緊)以產生隱寫圖像I^的隱寫位置殘馀γ。

樣品剪輯檢測結果(s = 1:0)。(a)原始圖像I， (b)隱寫圖像I^， (c)地面真實剪輯(黑色)和估計剪輯(白色)。

剪輯檢測誤差相對于剪輯大小，從50 50(1=16種剪輯)到400 400(沒有剪輯)，使用25000張圖像數據集中的1000個隨機樣本進行可視化。列顯示減少尺度s 2 f1:0的錯誤;0:8;0:5;0:3g。Top:估計左上角的誤差(x;Y)，以像素計算。底部:估計尺度s的誤差

拼接檢測結果示例。

作者提出了一種編碼器-解碼器網絡，該網絡獲取彩色圖像并注入隱寫位置簽名，允許在保持視覺質量的同時進行準確的補丁定位。作者發現這種編碼和解碼模型為拼接和剪輯定位的取證任務提供了一個有用的基礎。作者的方法通過一個簡單的線性回歸后處理步驟，在流行的剪接檢測基準上提供了具有競爭力的性能，并提供了剪輯檢測的第一個實用方法。

論文鏈接：https://arxiv.org/pdf/2104.12290.pdf

每日堅持論文分享不易，如果喜歡我們的內容，希望可以推薦或者轉發給周圍的同學。

以上就是關于pos機定位不準的解決方法,用不易察覺的位置編碼防止剪輯和拼接的知識，后面我們會繼續為大家整理關于pos機定位不準的解決方法的知識，希望能夠幫助到大家！