Fugu-MT 論文翻訳(概要): Fake Generated Painting Detection via Frequency Analysis

論文の概要: Fake Generated Painting Detection via Frequency Analysis

arxiv url: http://arxiv.org/abs/2003.02467v2
Date: Fri, 19 Jun 2020 08:17:37 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 07:07:42.276174
Title: Fake Generated Painting Detection via Frequency Analysis
Title（参考訳）: 周波数解析による偽造絵画検出
Authors: Yong Bai, Yuanfang Guo, Jinjie Wei, Lin Lu, Rui Wang, and Yunhong Wang
Abstract要約: 本稿では,周波数領域の3種類の特徴を抽出してFGPD-FA(Fake Generated Painting Detection)を提案する。実験結果から, 異なる試験条件における提案手法の優れた性能が示された。
参考スコア（独自算出の注目度）: 46.40775418872667
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the development of deep neural networks, digital fake paintings can be generated by various style transfer algorithms.To detect the fake generated paintings, we analyze the fake generated and real paintings in Fourier frequency domain and observe statistical differences and artifacts. Based on our observations, we propose Fake Generated Painting Detection via Frequency Analysis (FGPD-FA) by extracting three types of features in frequency domain. Besides, we also propose a digital fake painting detection database for assessing the proposed method. Experimental results demonstrate the excellence of the proposed method in different testing conditions.
Abstract（参考訳）: ディープニューラルネットワークの開発により,様々なスタイル転送アルゴリズムによって,デジタルフェイク絵画を生成することが可能となり,フェイクが生成した絵画をフーリエ周波数領域で解析し,統計的差異やアーティファクトを観測する。本稿では,周波数領域の3種類の特徴を抽出してFGPD-FA(Fake Generated Painting Detection)を提案する。また,提案手法を評価するためのデジタル偽画検出データベースを提案する。実験の結果, 異なる試験条件における提案手法の卓越性が示された。

関連論文リスト

Detecting Inpainted Video with Frequency Domain Insights [0.0]
本稿では、検出精度を大幅に向上させる周波数領域洞察ネットワーク(FDIN)を提案する。公開データセットに対する以前の評価は、FDINが最先端のパフォーマンスを達成することを示している。
論文参考訳（メタデータ） (2024-09-21T01:51:07Z)
FSBI: Deepfakes Detection with Frequency Enhanced Self-Blended Images [17.707379977847026]
本稿では、ディープフェイク検出のための周波数強調自己ブレンド画像手法を提案する。提案手法はFF++とCeleb-DFデータセットで評価されている。
論文参考訳（メタデータ） (2024-06-12T20:15:00Z)
FreqBlender: Enhancing DeepFake Detection by Blending Frequency Knowledge [52.63528223992634]
既存の方法は、通常、空間領域で実際の顔と偽の顔とを混ぜ合わせて合成偽の顔を生成する。本稿では,周波数知識をブレンドして擬似フェイク顔を生成する新しい手法であるem FreqBlenderを紹介する。実験により,DeepFake検出の高速化に本手法の有効性が示され,他の手法のプラグ・アンド・プレイ戦略の可能性が確認された。
論文参考訳（メタデータ） (2024-04-22T04:41:42Z)
Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文参考訳（メタデータ） (2024-01-29T03:20:19Z)
Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文参考訳（メタデータ） (2023-04-02T10:25:09Z)
Exploring the Asynchronous of the Frequency Spectra of GAN-generated Facial Images [19.126496628073376]
カラーチャネルの非同期周波数スペクトルを探索する新しい手法を提案する。これは、教師なし学習モデルと教師なし学習モデルの両方を訓練し、GANに基づく合成画像の識別に有効である。実験結果から,周波数領域におけるスペクトルの差は,様々な種類のGAN生成画像の検出に有効であることが示唆された。
論文参考訳（メタデータ） (2021-12-15T11:34:11Z)
Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
論文参考訳（メタデータ） (2021-05-29T21:22:24Z)
M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文参考訳（メタデータ） (2021-04-20T05:43:44Z)
Fake Visual Content Detection Using Two-Stream Convolutional Neural Networks [14.781702606707642]
周波数領域と空間領域の特徴を補完する2ストリーム畳み込みニューラルネットワークアーキテクチャであるTwoStreamNetを提案する。提案手法は, 現状の偽コンテンツ検出装置に比べ, 大幅に性能が向上した。
論文参考訳（メタデータ） (2021-01-03T18:05:07Z)
Leveraging Frequency Analysis for Deep Fake Image Recognition [35.1862941141084]
ディープニューラルネットワークは驚くべきほどリアルな画像を生成することができるため、人間が実際の写真と区別するのはしばしば困難である。これらの成果は主にGAN(Generative Adversarial Networks)によって実現されている。本稿では、周波数空間において、GAN生成した画像は、容易に識別できる重いアーティファクトを示すことを示す。
論文参考訳（メタデータ） (2020-03-19T11:06:54Z)

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。