null_distribution — IMGFORENSICS `calibration` op

• 데이터 종류: signal → table

• 호출: import imgforensics; imgforensics.null_distribution(values)(또는 opsimgforensics.get("null_distribution"))

변조가 없다고 알려진 표본으로부터 증거량의 귀무분포를 정리합니다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

この族は一貫して判定を返さない。それは正しいが、そのままだと利用者は

`PCE 1832` のような数値を渡されて解釈する手段が無い。かといって

しきい値を同梱すると嘘になる ―― 分離点は枚数・解像度・圧縮率・被写体で

動くので、出荷時に決められる値ではない。

そこで利用者自身の清浄データから分布を測る。同梱するのは「しきい値」

ではなく「しきい値の測り方」で、それなら条件が変わっても正しいままでいる。

Parameters

----------

values : array_like

改竄が無いと分かっている組で測った証拠量(`hash_distance` や

`fingerprint_correlate()["pce"]` など)。同じ条件で集めること。

Returns

-------

dict

`n / mean / std / min / max / quantiles`

(5, 25, 50, 75, 95, 99 パーセンタイル)。標本が少ないと裾は測れない

ので `n < 20 は caveats` に出す(黙って外挿しない)。

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

• image_forensics_audit — py -3.11 examples/image_forensics_audit.py

*Provenance: imgforensics.py — IMGFORENSICS 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

null_distribution — IMGFORENSICS calibration op