以深度學習技術標示接縫雕刻影像之修改區域

接縫雕刻(seam carving)演算法基於影像內容的解析，可進行影像尺寸調整，甚至變造影像內容。這項技術首先計算影像所對應的視覺能量圖，然後將能量值最低的像素連接成縫線，依序移除。由於它以平緩自然的方式進行影像縮減與內容物件的刪除，使其修改動作極難被人眼察覺，因而如何以電腦程式進行偵測，便成為一項重要的研究議題。在之前的研究工作中，我們提出一套貼片分析(patch analysis)方法，藉由影像分割、最佳貼片、以及轉移機率等計算，對於接縫雕刻後的影像(seam-carved image)進行偵測與標示，該方法在2014年成為當時準確率最高的識別技術，其成果發表於ACM SIGGRAPH研討會，以及PATTERN RECOGNITION LETTERS期刊。在後續研究中，我們改進貼片計算公式，提高接縫雕刻影像的偵測率，但亦發現，如何標定影像中經過修改的區域，仍是非常困難。目前我們所開發的方法，是在各局部範圍內計算最佳貼片及其各方向的轉移機率，此資訊可以偵測影像是否經過修改，但由於縫線是跨越全幅影像的連線，故局部資訊無法有效支持修改區域的標示。我們認為，藉由更大範圍的資料整合，可以提高標示的準確性，而深度學習是一項值得嘗試的研究方法。在本次申請的專題計畫中，我們將訓練卷積神經網路模型，判讀大面積的影像資訊，預期本計畫可獲得更準確的標示結果。

系統編號:PB10708-1939
原計畫編號:MOST107-2221-E182-070