論文の概要: Attentive Semantic Exploring for Manipulated Face Detection

• arxiv url: http://arxiv.org/abs/2005.02958v2
• Date: Wed, 28 Oct 2020 06:07:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 05:51:09.741927
• Title: Attentive Semantic Exploring for Manipulated Face Detection
• Title（参考訳）: マニピュレーション顔検出のための注意的意味探索
• Authors: Zehao Chen and Hua Yang
• Abstract要約: 識別的欠陥や歪みがこれらのフラグメントと密接に関連していることから,画像のセグメンテーションを意味的フラグメントに分割することが有効である可能性が示唆された。 本稿では,多レベル顔意味とカスケード注意機構に基づく顔検出手法を提案する。
• 参考スコア（独自算出の注目度）: 12.635690519021555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face manipulation methods develop rapidly in recent years, whose potential risk to society accounts for the emerging of researches on detection methods. However, due to the diversity of manipulation methods and the high quality of fake images, detection methods suffer from a lack of generalization ability. To solve the problem, we find that segmenting images into semantic fragments could be effective, as discriminative defects and distortions are closely related to such fragments. Besides, to highlight discriminative regions in fragments and to measure contribution to the final prediction of each fragment is efficient for the improvement of generalization ability. Therefore, we propose a novel manipulated face detection method based on Multilevel Facial Semantic Segmentation and Cascade Attention Mechanism. To evaluate our method, we reconstruct two datasets: GGFI and FFMI, and also collect two open-source datasets. Experiments on four datasets verify the advantages of our approach against other state-of-the-arts, especially its generalization ability.
• Abstract（参考訳）: 顔の操作法は近年急速に発展し、社会に潜在的なリスクが検出法の研究の台頭の原因となっている。 しかし、操作方法の多様性と偽画像の品質の高さにより、検出方法は一般化能力の欠如に悩まされている。 この問題を解決するために,画像のセグメンテーションを意味的フラグメントに分割することは,識別的欠陥や歪みがそのようなフラグメントと密接な関係にあるため,効果的であると考えられる。 また, フラグメントの識別領域を強調表示し, フラグメントの最終的な予測への寄与を測定することは, 一般化能力の向上に有効である。 そこで本稿では,多レベル顔のセマンティックセマンティックセグメンテーションとカスケード注意機構に基づく顔検出手法を提案する。 提案手法を評価するため,GGFIとFFMIの2つのデータセットを再構成し,また2つのオープンソースデータセットを収集する。 4つのデータセットの実験は、他の最先端技術、特に一般化能力に対するアプローチの利点を検証する。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• Collaborative Feature Learning for Fine-grained Facial Forgery Detection and Segmentation [56.73855202368894]
  偽造検出に関する以前の研究は、主に顔全体に焦点を当てていた。 近年の偽造法では、重要な顔成分を編集し、他の成分をそのまま維持する手法が開発されている。 ファリシファイドコンポーネントの操作とセグメンテーションを同時に検出するための協調的特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2023-04-17T08:49:11Z)
• Improved Xception with Dual Attention Mechanism and Feature Fusion for Face Forgery Detection [6.718457497370086]
  顔偽造検出は近年研究ホットスポットとなっている。 顔偽造検出のための二重注意機構と特徴融合を備えた改良型Xceptionを提案する。 3つのDeepfakeデータセットで評価した結果,提案手法がXceptionより優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-29T01:54:13Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• 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)
• Pixel-wise Anomaly Detection in Complex Driving Scenes [30.884375526254836]
  本稿では,不確実性マップを用いて異常検出を改善する画素方向異常検出フレームワークを提案する。 私たちのアプローチは、すでにトレーニング済みのセグメンテーションネットワークの一般的なフレームワークとして機能します。 さまざまな異常データセットを対象としたトップ2パフォーマンスは、異なる異常インスタンスを扱うアプローチの堅牢性を示している。
  論文  参考訳（メタデータ） (2021-03-09T14:26:20Z)

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。