論文の概要: DeepFakes and Beyond: A Survey of Face Manipulation and Fake Detection

• arxiv url: http://arxiv.org/abs/2001.00179v3
• Date: Thu, 18 Jun 2020 18:17:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 09:37:30.264111
• Title: DeepFakes and Beyond: A Survey of Face Manipulation and Fake Detection
• Title（参考訳）: DeepFakesとBeyond: 顔操作とフェイク検出に関する調査
• Authors: Ruben Tolosana, Ruben Vera-Rodriguez, Julian Fierrez, Aythami Morales, Javier Ortega-Garcia
• Abstract要約: このサーベイは、DeepFakeメソッドを含む顔画像を操作するテクニックのレビューを提供する。 特に、顔全体の合成、アイデンティティスワップ(ディープフェイク)、属性操作、式スワップの4種類の顔操作がレビューされている。 われわれは最新世代のDeepFakesに特に注意を払っており、フェイク検出の改善と課題を強調している。
• 参考スコア（独自算出の注目度）: 17.602598143822917
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The free access to large-scale public databases, together with the fast progress of deep learning techniques, in particular Generative Adversarial Networks, have led to the generation of very realistic fake content with its corresponding implications towards society in this era of fake news. This survey provides a thorough review of techniques for manipulating face images including DeepFake methods, and methods to detect such manipulations. In particular, four types of facial manipulation are reviewed: i) entire face synthesis, ii) identity swap (DeepFakes), iii) attribute manipulation, and iv) expression swap. For each manipulation group, we provide details regarding manipulation techniques, existing public databases, and key benchmarks for technology evaluation of fake detection methods, including a summary of results from those evaluations. Among all the aspects discussed in the survey, we pay special attention to the latest generation of DeepFakes, highlighting its improvements and challenges for fake detection. In addition to the survey information, we also discuss open issues and future trends that should be considered to advance in the field.
• Abstract（参考訳）: 大規模な公開データベースへの無料アクセスと、ディープラーニング技術の急速な進歩、特に生成的敵ネットワークは、偽ニュースの時代において、社会に相当する意味を持つ、非常に現実的な偽コンテンツを生み出した。 本調査では,DeepFake法を含む顔画像の操作技術と,そのような操作を検出する方法の徹底的なレビューを行う。 特に4種類の顔操作について検討する。 一 顔全体の合成 二 識別スワップ(ディープフェイク) 三 属性の操作、及び iv) 表現スワップ。 各操作群について,操作手法,既存の公開データベース,およびそれらの評価結果の要約を含む偽検出手法の技術評価のための重要なベンチマークについて詳細を述べる。 調査で論じられたすべての側面の中で、私たちは最新世代のDeepFakesに特に注意を払っており、フェイク検出の改善と課題を強調しています。 調査情報に加えて,この分野の進展を考慮すべきオープンイシューと今後のトレンドについても論じる。

関連論文リスト

• Deep Learning Technology for Face Forgery Detection: A Survey [17.519617618071003]
  ディープラーニングにより、高忠実度顔画像やビデオの作成や操作が可能になった。 この技術はディープフェイクとしても知られ、劇的な進歩を遂げ、ソーシャルメディアで人気を博している。 ディープフェイクのリスクを低減するため、強力な偽造検出方法を開発することが望ましい。
  論文  参考訳（メタデータ） (2024-09-22T01:42:01Z)
• Media Forensics and Deepfake Systematic Survey [0.0]
  Deepfakeは、顔の特徴を非常に現実的な方法で生成または変更する、生成的なディープラーニングアルゴリズムである。 映画を良く見せるだけでなく、有名人を模倣して偽情報を広めるのにも使える。
  論文  参考訳（メタデータ） (2024-06-19T07:33:33Z)
• Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
  ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。 十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。 本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
  論文  参考訳（メタデータ） (2023-03-15T08:27:56Z)
• Detecting and Recovering Sequential DeepFake Manipulation [32.34908534582532]
  シークエンシャルディープフェイク制御(Seq-DeepFake)と呼ばれる新しい研究課題を提案する。 バイナリラベル予測のみを要求する既存のディープフェイク検出タスクとは異なり、Seq-DeepFakeでは、顔操作操作のシーケンシャルベクトルを正確に予測する必要がある。 我々は、この新たな研究課題に対して、包括的なベンチマークを構築し、厳密な評価プロトコルとメトリクスをセットアップする。
  論文  参考訳（メタデータ） (2022-07-05T17:59:33Z)
• A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19 [64.88701052813462]
  新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。 この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。 本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-13T03:28:20Z)
• OpenForensics: Large-Scale Challenging Dataset For Multi-Face Forgery Detection And Segmentation In-The-Wild [48.67582300190131]
  本稿では,多面フォージェリ検出とセグメント化という2つの新しい対策課題について述べる。 制約のない自然の場面で、複数の人間の顔に偽の顔を置くことは、従来のディープフェイク認識タスクよりもはるかに難しい。 豊富なアノテーションによって、私たちのOpenForensicsデータセットは、ディープフェイク防止と一般的な人間の顔検出の両方の研究に大きな可能性を秘めています。
  論文  参考訳（メタデータ） (2021-07-30T08:15:41Z)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• Towards Generalizable and Robust Face Manipulation Detection via Bag-of-local-feature [55.47546606878931]
  そこで本稿では,局所的特徴の一般化能力とロバスト性を向上する顔の操作検出手法を提案する。 具体的には、パッチ間関係をエンコードするためにbag-of-featureアプローチを使ってトランスフォーマーを拡張し、明示的な監督なしにローカルな偽造機能を学ぶことができる。
  論文  参考訳（メタデータ） (2021-03-14T12:50:48Z)
• Deepfakes Generation and Detection: State-of-the-art, open challenges, countermeasures, and way forward [2.15242029196761]
  不正情報、リベンジポルノ、金融詐欺、詐欺、政府機能を妨害するディープフェイクを発生させることが可能である。 オーディオとビデオの両方のディープフェイクの検出と生成のアプローチをレビューする試みは行われていない。 本稿では、deepfake生成のための既存のツールと機械学習(ml)ベースのアプローチの包括的なレビューと詳細な分析を提供する。
  論文  参考訳（メタデータ） (2021-02-25T18:26:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。