비디오 카피 탐지

동영상 카피 검출은 불법 복제된 동영상을 분석해 원본 콘텐츠와 비교하는 과정이다.

이 과정의 목표는 비디오 제작자의 지적 재산을 보호하는 것이다.

역사

인디크 ^[1]외는 이 영화의 길이를 바탕으로 한 비디오 카피 검출 이론을 만들었지만, 수정 없이 전체 영화에 대해서만 효과가 있었다. 동영상의 짧은 클립에 적용할 때, Idynk 등의 기술은 해당 클립이 복사본이라는 것을 감지하지 못한다.

이후 오오스트베엔 등은 ^[when?]그 내용을 바탕으로 영상의 독특한 시그니처를 만들어내는 지문, 즉 해시함수의 개념을 도입했다. 이 지문은 비디오의 길이와 밝기를 기준으로 하며, 그것을 그리드로 나누어 결정한다. 지문은 각 동영상의 특정 기능만 설명하기 때문에 원본 동영상을 재생성하는 데 사용할 수 없다.

얼마 전에 B.^[when?]코스쿤 외 연구진은 이산 코사인 변환을 기반으로 한 두 가지 강력한 알고리즘을 제시했다.

햄파푸르와 발레는 비디오의 움직임, 색상, 공간,^{[clarification needed]} 길이를 기반으로 한 비디오 조각의 전체적인 설명을 만드는 알고리즘을 만들었다.

이미지의 색 수준을 살펴보기 위해 생각했고, 이러한 이유로 리 외는 모든 프레임의 히스토그램에서 바이너리 시그니처 get을 만들어 클립의 색상을 조사하는 알고리즘을 만들었다.^{[clarification needed]} 그러나 이 알고리즘은 로고의 컬러 요소를 삽입하면 시스템을 혼동할 수 있는 잘못된 정보가 추가되기 때문에 로고가 동영상에 추가되는 경우 일관되지 않은 결과를 반환한다.

기술

워터마크

워터마크는 불법복제물 탐지를 용이하게 하기 위해 보이지 않는 신호를 동영상에 도입하는 데 사용된다. 이 기술은 사진작가들에 의해 널리 사용되고 있다. 관객이 쉽게 볼 수 있도록 동영상에 워터마크를 부착하면 콘텐츠 제작자가 이미지 복사 여부를 쉽게 감지할 수 있다.

워터마크의 한계는 원본 이미지에 워터마크를 하지 않으면 다른 이미지가 복사된 것인지 알 수 없다는 것이다.

내용 기반 서명

이 기법에서는 동영상의 내용을 기초로 동영상에 대한 고유한 서명이 생성된다. 비디오 콘텐츠의 특징을 이용하여 비디오에 독특한 비디오 해시를 할당하는 다양한 비디오 카피 검출 알고리즘이 존재한다. 지문은 데이터베이스의 다른 비디오 대시들과 비교할 수 있다.

이러한 유형의 알고리즘은 중대한 문제를 가지고 있는데, 비디오 콘텐츠의 다양한 측면이 유사할 경우, 해당 비디오가 원본의 복사인지 아니면 단지 그것과 유사한지 알고리즘이 판단하기 때문이다. 그러한 경우(예: 두 개의 뚜렷한 뉴스 방송)의 경우, 뉴스 방송이 유사한 종류의 배너를 포함하고 발표자가 유사한 위치에 앉는 경우가 많기 때문에 알고리즘은 문제의 비디오가 사본이라는 것을 되돌릴 수 있다. 시간에 관한 프레임의 변화가 극히 적은 동영상은 해시 충돌에 더 취약하다.

알고리즘

다음은 비디오 복사 탐지를 위해 제안된 몇 가지 알고리즘과 기법이다.

글로벌 설명자

글로벌 시간적 설명자

이 알고리즘에서 전역 강도는 모든 비디오를 따라 가중된 모든 픽셀의 모든 강도의 합으로 정의된다. 따라서 비디오 샘플의 아이덴티티는 비디오의 길이와 픽셀 강도에 기초하여 구성될 수 있다.

글로벌 강도 a(t)는 다음과 같이 정의된다.

${\displaystyle a(t)=\sum _{i=1}^{N(i)(I(i,t-1)^{2}}$

여기서 k는 이미지의 가중치, 나는 이미지, N은 이미지의 픽셀 수입니다.

전역 순서형 측정 설명자

이 알고리즘에서 비디오는 회색 수준별로 정렬된 N개의 블록으로 나뉜다. 그러면 각 블록의 평균 회색 수준을 설명하는 벡터를 만들 수 있다.

이러한 평균 레벨로 비디오의 시그니처인 새로운 벡터 S(t)를 생성할 수 있다.

${\displaystyle S(t)=(r_{1},r_{2},\cdots ,r_{N}}}$

두 개의 영상을 비교하기 위해 알고리즘은 둘 사이의 유사성을 나타내는 D(t)를 정의한다.

${\displaystyle D(t)={\frac {1}{T}}\sum _{1=t-{\frac {T}{2}}^{t+{\frac {T}{2}}}{\begin{vmatrix}R(i)-C(i)\end{vmatrix}}}}}}}$

D(t)가 반환한 값은 문제의 동영상이 사본인지 여부를 판단하는 데 도움이 된다.^{[clarification needed]}

순서형 및 시간적 설명자

이 기술은 L에 의해 제안되었다.첸과 F. 스텐티포드 상기한 두 알고리즘, 즉 글로벌 시간적 설명자와 글로벌 서수적 측정 설명자를 시공간적으로 결합하여 상이성을 측정한다.^{[clarification needed]}

TMK+PDQF

페이스북 오픈은 2019년 유해 콘텐츠 탐지를 위해 페이스북에서 사용하는 도구 모음의 일부인 ^[2]TMK+PDQF를 소싱했다. 전체 동영상의 시그니처를 생성해 포맷 변경이나 추가된 워터마크 등을 쉽게 처리할 수 있지만, 자르거나 클리핑하는 것은 내성이 떨어진다.^[3]

로컬 설명자

AJ

A에 의해 기술된다. Joly 등, 이 알고리즘은 Harris의 Interest Points 검출기를 개선한 것이다.^{[clarification needed (what is this?)]} 이 기법은 많은 비디오에서 상당한 수의 프레임이 거의 동일하므로 모든 프레임이 아니라 상당한 양의 움직임을 나타내는 프레임만 테스트하는 것이 더 효율적이라는 것을 시사한다.

바이콥트

ViCopT는 각 이미지의 관심 지점을 사용하여 전체 비디오의 서명을 정의한다. 모든 이미지에서 알고리즘은 두 가지 부분, 즉 배경, 시간 순서를 따라 정적 요소 집합, 그리고 비디오 전체에 걸쳐 위치를 바꾸는 움직임, 지속적 지점들을 식별하고 정의한다.

공간 시간 관심 지점(STIP)

이 알고리즘은 I에 의해 개발되었다. 라프테프와 T.린데버그. 공간과 시간을 따라 관심 포인트 기법을 사용하여 영상 서명을 정의하고, 이 서명을 저장하는 34차원 벡터를 만든다.^{[clarification needed]}

알고리즘 소개

오늘날 사용되고 있는 비디오 복사 탐지를 위한 알고리즘이 존재한다. 2007년에는 '시맨틱스를 통한 멀티미디어 이해, 계산과 학습(MUSCLE)'이라는 평가 쇼케이스가 있었는데, 이 쇼케이스는 홈 비디오 녹화부터 TV 쇼 세그먼트까지 다양한 비디오 샘플에 대한 비디오 카피 검출 알고리즘을 테스트했다.

참조

• MUSIC(Semantics, Computing and Learning을 통한 멀티미디어 이해) (영어)
• IBM - 컴퓨터 비전 그룹 탐색 (영어)
• "A comparative Study" (PDF). (563KB) (영어)