Transfer-Learned DeepLabV3+ Semantic Segmentation for Pixel-Level Image Forgery Localisation
यह शोध पत्र एक ट्रांसफर-लर्नड DeepLabV3+ मॉडल प्रस्तुत करता है जो उच्च परिशुद्धता (precision) और रिकॉल (recall) के साथ स्टेट-ऑफ-द-आर्ट पिक्सेल-लेवल इमेज फोर्जरी लोकलाइजेशन प्राप्त करता है, हालांकि इसका असाधारण प्रदर्शन काफी हद तक महत्वपूर्ण डेटा लीकेज के कारण है जहाँ लगभग सभी टेस्ट फ्रेम्स ट्रेनिंग सेट के निकट-डुप्लिकेट हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक दुनिया में, एक तस्वीर शायद ही कभी केवल एक तस्वीर होती है। यह अदालत में एक सबूत, एक समाचार साइट पर एक हेडलाइन, या सोशल मीडिया पर साझा की गई एक स्मृति है। दशकों से, विशेषज्ञ नकली तस्वीरों को पहचानने के लिए निष्क्रिय तरीकों पर भरोसा करते रहे हैं, जो उन सूक्ष्म सांख्यिकीय त्रुटियों को खोजते हैं जो छवि में बदलाव के बाद पीछे रह जाती हैं, जैसे कि बेमेल लाइटिंग या फोटो के ग्रेन (grain) में अजीब पैटर्न। हालाँकि, इनमें से अधिकांश तरीके केवल एक सरल हाँ या ना वाले प्रश्न का उत्तर देते हैं: क्या यह छवि नकली है? वह उत्तर अक्सर उस अन्वेषक के लिए पर्याप्त नहीं होता जिसे यह जानने की आवश्यकता होती है कि हेरफेर ठीक कहाँ हुआ था। वास्तव में उपयोगी होने के लिए, एक फोरेंसिक टूल को एक मानचित्र बनाना चाहिए, जो उन विशिष्ट पिक्सेल को हाइलाइट करे जिन्हें छुआ गया है, जबकि शेष छवि को अप्रति touched (अछूता) छोड़ दे। यह पिक्सेल-स्तरीय स्थानीयकरण (pixel-level localisation) की चुनौती है, एक ऐसा कार्य जो इस तथ्य के कारण कठिन हो जाता है कि जाली क्षेत्र अक्सर वास्तविक पृष्ठभूमि के विशाल विस्तार की तुलना में बहुत छोटे होते हैं, और क्योंकि एक नकली क्षेत्र को बिल्कुल असली चीज़ जैसा दिखने के लिए डिज़ाइन किया जाता है, जो कोई स्पष्ट दृश्य संकेत नहीं देता है।
शोधकर्ताओं की एक टीम ने इस समस्या के लिए एक नया दृष्टिकोण विकसित किया है, एक ऐसी प्रणाली बनाई है जो एक अत्यधिक प्रशिक्षित आँख की तरह कार्य करती है जो पूरी छवि को स्कैन करने और प्रत्येक प sisi (side) पिक्सेल को या तो प्रामाणिक या छेड़छाड़ किया गया के रूप में चिह्नित करने में सक्षम है। उन्होंने एक डीप लर्निंग आर्किटेक्चर पर आधारित कंप्यूटर मॉडल बनाया है जिसे DeepLabV3+ के रूप में जाना जाता है, जिसे एक साथ कई पैमानों पर एक छवि के संदर्भ को समझने के लिए डिज़ाइन किया गया है। इस प्रणाली को लगभग 48,000 हेरफेर की गई छवियों के एक विशाल संग्रह पर प्रशिक्षित किया गया था, जिनमें से प्रत्येक को एक पूर्ण, पिक्सेल-दर-पिक्सेल मानचित्र के साथ जोड़ा गया था जो सटीक रूप से दिखाता है कि जालसाजी कहाँ हुई थी। शोधकर्ताओं ने मॉडल को स्पष्ट दृश्य अंतरों के बजाय सांख्यिकीय विसंगतियों को खोजने के लिए सिखाया, जिसमें एक विशिष्ट गणितीय रणनीति का उपयोग किया गया जो कंप्यूटर को बड़े, सामान्य बैकग्राउंड के पक्ष में अनदेखा करने के बजाय छोटे, दुर्लभ जाली क्षेत्रों पर ध्यान केंद्रित करने के लिए मजबूर करती है।
इस प्रशिक्षण के परिणाम आश्चर्यजनक थे। जब हजारों छवियों पर परीक्षण किया गया जो उसी स्रोत सामग्री से ली गई थीं, तो सिस्टम ने उच्च सटीकता के साथ जाली पिक्सेल की पहचान की, नकली क्षेत्रों के 94 प्रतिशत से अधिक को सफलतापूर्वक खोजा जबकि प्रामाणिक भागों पर बहुत कम गलतियाँ कीं। मॉडल ने एक स्थानिक मानचित्र (spatial map) तैयार किया जिसने हेरफेर की सीमाओं को स्पष्ट रूप से रेखांकित किया, जो वस्तुओं के आकार का अनुसरण करता है न कि ब्लॉकनुमा, अपरिष्कृत रेखाएं खींचता है। यह स्तर की सटीकता दो अलग-अलग शिक्षण उद्देश्यों को संयोजित करके प्राप्त किया गया था: एक जो यह मापता था कि अनुमानित आकार वास्तविक आकार से कितनी अच्छी तरह मेल खाता है, और दूसरा जो प्रत्येक व्यक्तिगत पिक्सेल की शुद्धता का मूल्यांकन करता था। इस संयोजन ने मॉडल को उस सामान्य जाल में फंसने से रोका जहाँ वह केवल यह अनुमान लगा लेता है कि पूरी छवि वास्तविक है, एक ऐसी गलती जो कागज़ पर तो सफल दिखेगी लेकिन व्यवहार में बेकार होगी।
हालाँकि, शोधकर्ता उनकी सफलता की सीमाओं को समझाने में सावधान रहे। उन्होंने पाया कि उनके परीक्षण डेटा में पुनरावृत्ति की एक महत्वपूर्ण मात्रा थी; लगभग 90.4% परीक्षण फ्रेमों ने प्रशिक्षण सेट में बिट-दर-बिट समान ग्राउंड-ट्रुथ मास्क साझा किए थे, और 94.6% के पास प्रशिक्षण स्प्लिट में लगभग डुप्लिकेट छवियां थीं। इसका अर्थ है कि मॉडल का परीक्षण उस सामग्री पर किया जा रहा था जो सांख्यिकीय रूप से वही थी जिसका उसने पहले ही अध्ययन कर लिया था। इसके अलावा, प्रशिक्षण डेटा का आधा और परीक्षण डेटा का आधा एक ऐसे कलर स्पेस से आया था जिसका कोई सार्वजनिक फोरेंसिक बेंचमार्क उपयोग नहीं करता है, जिसमें रंग-परिवर्तित, गैर-प्राकृतिक छवियां शामिल हैं। जबकि सिस्टम ने इस विशिष्ट प्रकार के डेटा पर असाधारण प्रदर्शन किया, जिससे सिद्ध हुआ कि यह एक विशेष जालसाजी पाइपलाइन के पैटर्न को सीख सकता है, लेखक चेतावनी देते हैं कि यह गारंटी नहीं देता कि यह पूरी तरह से अलग प्रकार की छवियों या विभिन्न स्रोतों पर भी उतना ही अच्छा काम करेगा। अध्ययन स्पष्ट रूप से इस विचार को खारिज करता है कि मॉडल ने सभी छवियों के लिए जालसाजी का पता लगाने की सामान्य समस्या को हल कर लिया है, यह नोट करते हुए कि इसका प्रदर्शन इस बात का वैध माप है कि यह अपने प्रशिक्षण डेटा के करीब की सामग्री को कितनी अच्छी तरह संभालता है, लेकिन यह आवश्यक रूप से यह नहीं बताता कि यह अनदेखे फुटेज के खिलाफ कैसा प्रदर्शन करेगा।
उनके निष्कर्ष का मूल आधार यह है कि प्रशिक्षण पद्धति का चुनाव अकेले डेटासेट के आकार से अधिक महत्वपूर्ण है। पिछले प्रयोगों में, समान कंप्यूटर आर्किटेक्चर मानक विधि के साथ प्रशिक्षित होने पर पूरी तरह से विफल रहा था, जिसने जाली पिक्सेल को पूरी तरह से अनदेखा कर दिया और केवल बैकग्राउंड का हर जगह अनुमान लगाकर उच्च सटीकता रिपोर्ट की। एक ऐसी विधि में स्विच करके जो विशेष रूप से दुर्लभ जाली क्षेत्रों के महत्व को वेटेज (weight) देती थी, शोधकर्ताओं ने इस विफलता को ठीक किया, जिससे मॉडल को हेरफेर के सूक्ष्म संकेतों को सीखने में मदद मिली। उन्होंने यह भी पाया कि एक ऐसे मॉडल के साथ शुरुआत करना जिसने रोजमर्रा की तस्वीरों के एक विशाल पुस्तकालय से सामान्य विशेषताओं को पहले ही पहचानना सीख लिया था, सिस्टम को फोरेंसिक कार्य को बहुत तेज़ी से सीखने में मदद मिली, भले ही विश्लेषण की जा रही छवियां उन छवियों के समान नहीं थीं जिन्हें उसने पहले देखा था।
यह कार्य डिजिटल फोरेंसिक में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है, इसलिए नहीं कि इसने हर मामले को हल कर लिया है, बल्कि इसलिए क्योंकि इसने छवि हेरफेर के विस्तृत मानचित्र बनाने का एक विश्वसनीय तरीका प्रदर्शित किया है। यह प्रणाली अन्वेषकों को एक ऐसा उपकरण प्रदान करती है जो सीधे फोटो के परिवर्तित हिस्सों की ओर इशारा कर सकता है, जिससे एक अस्पष्ट संदेह एक ठोस केंद्र बिंदु में बदल जाता है। जबकि शोधकर्ता स्वीकार करते हैं कि भविष्य के कार्यों को वास्तविक दुनिया में काम करने के लिए अधिक विविध और चुनौतीपूर्ण डेटासेट पर सिस्टम का परीक्षण करना होगा, उनके वर्तमान परिणाम दिखाते हैं कि सही प्रशिक्षण दृष्टिकोण के साथ, कंप्यूटरों को डिजिटल धोखे के अदृश्य निशानों को उल्लेखनीय स्पष्टता के साथ देखने के लिए सिखाया जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।