| |
|<
<< Page précédente
1
Page suivante >>
>|
|
documents par page
|
|
Tri :
Date
Titre
Auteur
|
|
|
Informatique
/ 30-09-2026
Evennou Gautier
Voir le résumé
Voir le résumé
La prolifération des modèles génératifs a transformé la manipulation d'images en menace de masse pour l'information. Cette thèse traite la détection et l'explication d'altérations sémantiques par des approches passives et actives, en plaçant la sémantique au cœur de la chaîne. BLIP2IDC adapte BLIP2 au légendage de différences : en encodant les paires au niveau pixel plutôt que par fusion, il dépasse l'état de l'art sur données réelles à faible coût de calcul, complété par une augmentation synthétique par édition pour pallier le manque de données. Lorsque l'image originale est indisponible, nous recourons au tatouage sémantique. SWIFT compresse une légende via LLMZip et la transmet par modulation TCCSK sur 72 bits au plus, avec une métrique de confiance sur l'authenticité. LatentSeal lève ce verrou de capacité en encodant la phrase dans un vecteur latent unitaire de dimension 256, embarqué via un réseau dérivé de VideoSeal et sécurisé par rotation aléatoire. Enfin, la détection d'effaçage de tatouage montre que les attaques modernes laissent des traces statistiques distinctives, avec un TPR moyen de 0,92 à un FPR de 0,001.
|
|
|
|<
<< Page précédente
1
Page suivante >>
>|
|
documents par page
|