論文の概要: DeepFakesON-Phys: DeepFakes Detection based on Heart Rate Estimation

• arxiv url: http://arxiv.org/abs/2010.00400v3
• Date: Mon, 14 Dec 2020 14:34:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 08:37:30.259033
• Title: DeepFakesON-Phys: DeepFakes Detection based on Heart Rate Estimation
• Title（参考訳）: DeepFakesON-Phys:心拍推定に基づくDeepFakes検出
• Authors: Javier Hernandez-Ortega, Ruben Tolosana, Julian Fierrez and Aythami Morales
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 25.413558889761127
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work introduces a novel DeepFake detection framework based on physiological measurement. In particular, we consider information related to the heart rate using remote photoplethysmography (rPPG). rPPG methods analyze video sequences looking for subtle color changes in the human skin, revealing the presence of human blood under the tissues. In this work we investigate to what extent rPPG is useful for the detection of DeepFake videos. The proposed fake detector named DeepFakesON-Phys uses a Convolutional Attention Network (CAN), which extracts spatial and temporal information from video frames, analyzing and combining both sources to better detect fake videos. This detection approach has been experimentally evaluated using the latest public databases in the field: Celeb-DF and DFDC. The results achieved, above 98% AUC (Area Under the Curve) on both databases, outperform the state of the art and prove the success of fake detectors based on physiological measurement to detect the latest DeepFake videos.
• Abstract（参考訳）: 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,リモートフォトプレチモグラフィ(rppg)を用いた心拍数に関する情報について検討する。 rppg法は、ヒトの皮膚の微妙な色変化を探し、組織の下のヒト血液の存在を明らかにするビデオシーケンスを分析する。 本研究では,RPPGがDeepFakeビデオの検出にどの程度役立つかを検討する。 DeepFakesON-Physという偽の検出器は、ビデオフレームから空間的および時間的情報を抽出し、両方のソースを分析して、偽のビデオをよりよく検出するCAN(Convolutional Attention Network)を使用している。 この検出手法はCeleb-DFとDFDCの分野における最新の公開データベースを用いて実験的に評価されている。 その結果、両方のデータベース上の98%のAUC(Area Under the Curve)が、最先端の技術を上回り、最新のDeepFakeビデオを検出するための生理学的測定に基づく偽検知器の成功を証明した。

関連論文リスト

• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• GazeForensics: DeepFake Detection via Gaze-guided Spatial Inconsistency Learning [63.547321642941974]
  本稿では,3次元視線推定モデルから得られた視線表現を利用する,革新的なDeepFake検出手法であるGazeForensicsを紹介する。 実験の結果,提案したGazeForensicsは現在の最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T04:48:33Z)
• 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)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Voice-Face Homogeneity Tells Deepfake [56.334968246631725]
  既存の検出アプローチは、ディープフェイクビデオにおける特定のアーティファクトの探索に寄与する。 未探索の音声-顔のマッチングビューからディープフェイク検出を行う。 我々のモデルは、他の最先端の競合と比較して、大幅に性能が向上する。
  論文  参考訳（メタデータ） (2022-03-04T09:08:50Z)
• 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)
• DeepRhythm: Exposing DeepFakes with Attentional Visual Heartbeat Rhythms [28.470194397110607]
  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。
  論文  参考訳（メタデータ） (2020-06-13T12:56:46Z)
• VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
  偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。 前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2020-05-20T21:17:43Z)
• Detecting Forged Facial Videos using convolutional neural network [0.0]
  我々は,より小さな(少ないパラメータで学習する)畳み込みニューラルネットワーク(CNN)を用いて,偽ビデオ検出のためのデータ駆動型アプローチを提案する。 提案手法の有効性を検証するため,FaceForensicsの公開データセットを用いて,フレームベースとビデオベースの両方の結果を詳細に検討した。
  論文  参考訳（メタデータ） (2020-05-17T19:04:59Z)
• DeepFakes Evolution: Analysis of Facial Regions and Fake Detection Performance [3.441021278275805]
  本研究では,第1世代および第2世代DeepFakeの顔領域と偽検出性能を総合的に分析した。 我々は,第2世代の最新のDeepFakeデータベースにおいて,最先端のフェイクディテクターが達成した偽検出結果の貧弱さを強調した。
  論文  参考訳（メタデータ） (2020-04-16T08:49:32Z)

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。