論文の概要: DeepFake Detection Based on the Discrepancy Between the Face and its
Context
- arxiv url: http://arxiv.org/abs/2008.12262v1
- Date: Thu, 27 Aug 2020 17:04:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 07:27:29.332727
- Title: DeepFake Detection Based on the Discrepancy Between the Face and its
Context
- Title（参考訳）: 顔と文脈の相違に基づくディープフェイク検出
- Authors: Yuval Nirkin, Lior Wolf, Yosi Keller and Tal Hassner
- Abstract要約: 単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。
提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。
本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。
提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
- 参考スコア（独自算出の注目度）: 94.47879216590813
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a method for detecting face swapping and other identity
manipulations in single images. Face swapping methods, such as DeepFake,
manipulate the face region, aiming to adjust the face to the appearance of its
context, while leaving the context unchanged. We show that this modus operandi
produces discrepancies between the two regions. These discrepancies offer
exploitable telltale signs of manipulation. Our approach involves two networks:
(i) a face identification network that considers the face region bounded by a
tight semantic segmentation, and (ii) a context recognition network that
considers the face context (e.g., hair, ears, neck). We describe a method which
uses the recognition signals from our two networks to detect such
discrepancies, providing a complementary detection signal that improves
conventional real vs. fake classifiers commonly used for detecting fake images.
Our method achieves state of the art results on the FaceForensics++,
Celeb-DF-v2, and DFDC benchmarks for face manipulation detection, and even
generalizes to detect fakes produced by unseen methods.
- Abstract（参考訳）: 単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。
DeepFakeのようなフェイススワップ手法は、顔領域を操作し、コンテキストを変更せずに顔の外観に合わせて調整することを目的としている。
このモダス・オペランディは2つの領域間に相違を生じさせることを示す。
これらの不一致は、悪用可能な操作の兆候を提供する。
私たちのアプローチには2つのネットワークがあります
(i)密接な意味セグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワーク、
(ii)顔の文脈(例えば、髪、耳、首)を考慮した文脈認識ネットワーク。
そこで本研究では,2つのネットワークからの認識信号を用いてこれらの不一致を検出する手法について述べる。
提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
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) - FT-TDR: Frequency-guided Transformer and Top-Down Refinement Network for
Blind Face Inpainting [77.78305705925376]
ブラインド・フェイス・インペインティング(ブラインド・フェイス・インペインティング)とは、顔画像の劣化した領域を明確に示さずに、視覚コンテンツを再構築する作業である。
本稿では、これらの課題に対処するために、周波数誘導変換器とTop-Down Refinement Network(FT-TDR)と呼ばれる新しい2段階ブラインドフェイス塗装法を提案する。
論文 参考訳（メタデータ） (2021-08-10T03:12:01Z) - 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) - 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) - Detection and Localization of Facial Expression Manipulations [44.52966548652561]
本稿では,表情認識と画像操作の密接な組み合わせを用いて,表情の操作を検出できるフレームワークを提案する。
表現操作が豊富であるFace2Faceデータセットでは,操作の分類とローカライゼーションの両方の精度が3%以上向上していることを示す。
論文 参考訳（メタデータ） (2021-03-15T04:35:56Z) - Facial Manipulation Detection Based on the Color Distribution Analysis
in Edge Region [0.5735035463793008]
操作画像におけるエッジの垂直領域の色分布解析に基づく、一般化された、ロバストな顔操作検出手法を提案する。
本手法は, 各種データセットにおける合成顔画像の検出において, トレーニングに係わるか否かに関わらず, 既存の顔画像検出方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-02-02T08:19:35Z) - FakeLocator: Robust Localization of GAN-Based Face Manipulations [19.233930372590226]
本稿では,FakeLocatorと呼ばれる新しいアプローチを提案する。
これは、GANベースのフェイクローカライゼーション問題をグレースケールのフェイクネスマップで解決する最初の試みである。
人気の高いFaceForensics++,DFFDデータセット,および7種類の最先端のGANベースの顔生成手法による実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-01-27T06:15:01Z)
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。