論文の概要: DeepRhythm: Exposing DeepFakes with Attentional Visual Heartbeat Rhythms
- arxiv url: http://arxiv.org/abs/2006.07634v2
- Date: Wed, 26 Aug 2020 06:45:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 21:19:25.393527
- Title: DeepRhythm: Exposing DeepFakes with Attentional Visual Heartbeat Rhythms
- Title(参考訳): DeepRhythm: 意図的な視覚的心拍リズムを持つDeepFakes
- Authors: Hua Qi and Qing Guo and Felix Juefei-Xu and Xiaofei Xie and Lei Ma and
Wei Feng and Yang Liu and Jianjun Zhao
- Abstract要約: 心拍リズムのモニタリングによりディープフェイクを検出するディープフェイク検出手法であるディープリズムを提案する。
本研究では、心拍リズムのモニタリングによりDeepFakeを検出するDeepRhythmを提案する。
- 参考スコア(独自算出の注目度): 28.470194397110607
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the GAN-based face image and video generation techniques, widely known as
DeepFakes, have become more and more matured and realistic, there comes a
pressing and urgent demand for effective DeepFakes detectors. Motivated by the
fact that remote visual photoplethysmography (PPG) is made possible by
monitoring the minuscule periodic changes of skin color due to blood pumping
through the face, we conjecture that normal heartbeat rhythms found in the real
face videos will be disrupted or even entirely broken in a DeepFake video,
making it a potentially powerful indicator for DeepFake detection. In this
work, we propose DeepRhythm, a DeepFake detection technique that exposes
DeepFakes by monitoring the heartbeat rhythms. DeepRhythm utilizes
dual-spatial-temporal attention to adapt to dynamically changing face and fake
types. Extensive experiments on FaceForensics++ and DFDC-preview datasets have
confirmed our conjecture and demonstrated not only the effectiveness, but also
the generalization capability of \emph{DeepRhythm} over different datasets by
various DeepFakes generation techniques and multifarious challenging
degradations.
- Abstract(参考訳): ganベースの顔画像およびビデオ生成技術は、deepfakesとして広く知られるようになり、ますます成熟し、現実的なものとなり、効果的なdeepfakes検出器に対する緊急の需要が高まっている。
リモート・ビジュアル・フォトプレソグラフィー(PPG)は、顔の血液ポンプによる皮膚色の変化の極小周期的変化をモニタリングすることで可能となるため、実際の顔ビデオで見られる正常な心拍リズムが破壊されるか、DeepFakeビデオで完全に破壊される可能性があり、DeepFake検出の強力な指標となる可能性がある。
本研究では,心拍リズムを監視し,ディープフェイクを露出させるディープフェイク検出手法であるdeeprhythmを提案する。
DeepRhythmは、二重空間的時間的注意を利用して、動的に変化する顔や偽のタイプに適応する。
FaceForensics++ と DFDC-preview データセットの大規模な実験により、我々の予想が裏付けられ、その効果だけでなく、様々なDeepFakes 生成技術による様々なデータセットに対する \emph{DeepRhythm} の一般化能力も実証された。
関連論文リスト
- DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-07T07:19:45Z) - Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。
具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。
提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2022-09-12T15:05:41Z) - Detecting Deepfake by Creating Spatio-Temporal Regularity Disruption [94.5031244215761]
本稿では,実際のビデオにない「規則性破壊」を識別することで,ディープフェイク検出の一般化を促進することを提案する。
具体的には、空間的・時間的特性を慎重に調べることで、擬似フェイク発生器による実映像の破壊を提案する。
このような手法により,フェイクビデオを使わずにディープフェイク検出が可能となり,よりシンプルかつ効率的に一般化能力を向上させることができる。
論文 参考訳(メタデータ) (2022-07-21T10:42:34Z) - Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。
本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文 参考訳(メタデータ) (2022-04-26T14:36:06Z) - FakeTransformer: Exposing Face Forgery From Spatial-Temporal
Representation Modeled By Facial Pixel Variations [8.194624568473126]
顔の偽造はあらゆるターゲットを攻撃できるため、個人のプライバシーと財産のセキュリティに新たな脅威をもたらす。
生理的信号の空間的コヒーレンスと時間的一貫性が生成された内容で破壊されるという事実に着想を得て,実ビデオと合成ビデオとを区別できる一貫性のないパターンを見つけ出そうとする。
論文 参考訳(メタデータ) (2021-11-15T08:44:52Z) - DeepFakes: Detecting Forged and Synthetic Media Content Using Machine
Learning [18.623444153774948]
この研究は、DeepFakeの生成と検出技術に関連する課題、研究動向、方向性を提示する。
この研究は、DeepFakeドメインにおける注目すべき研究をレビューし、今後より進歩したDeepFakeに対応する、より堅牢なアプローチの開発を促進する。
論文 参考訳(メタデータ) (2021-09-07T05:19:36Z) - DeepFake Detection with Inconsistent Head Poses: Reproducibility and
Analysis [0.0]
本稿では,ヘッドポーズ推定に基づく既存のDeepFake検出手法について分析する。
以上の結果から,DeepFake検出のためのアートパフォーマンスに対する現在の文献の認識を正すことができた。
論文 参考訳(メタデータ) (2021-08-28T22:56:09Z) - FFR_FD: Effective and Fast Detection of DeepFakes Based on Feature Point
Defects [9.568679090566262]
DeepFakeの顔は、特に特定の顔領域において、実際の顔よりも特徴点が少ないことが示される。
画素レベルでの識別特徴を抽出するための特徴点検出記述子に着想を得て, 高速かつ高速なDeepFake検出のためのFrused Facial Region_Feature Descriptor (FFR_FD)を提案する。
論文 参考訳(メタデータ) (2021-07-05T13:35:39Z) - 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) - DeepFakesON-Phys: DeepFakes Detection based on Heart Rate Estimation [25.413558889761127]
本研究は生理的測定に基づく新しいDeepFake検出フレームワークを導入する。
特に,ヒト皮膚の微妙な色変化を探り,血液中のヒト組織の存在を明らかにする方法を検討する。
DeepFakesONPhysという偽の検出器は、ビデオフレームから空間情報と時間情報を抽出するCAN(Convolutional Attention Network)を使用している。
論文 参考訳(メタデータ) (2020-10-01T13:37:58Z)
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。