論文の概要: Facial Manipulation Detection Based on the Color Distribution Analysis in Edge Region

• arxiv url: http://arxiv.org/abs/2102.01381v1
• Date: Tue, 2 Feb 2021 08:19:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-03 16:59:32.559500
• Title: Facial Manipulation Detection Based on the Color Distribution Analysis in Edge Region
• Title（参考訳）: エッジ領域における色分布解析に基づく顔操作検出
• Authors: Dong-Keon Kim, DongHee Kim, and Kwangsu Kim
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.5735035463793008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we present a generalized and robust facial manipulation detection method based on color distribution analysis of the vertical region of edge in a manipulated image. Most of the contemporary facial manipulation method involves pixel correction procedures for reducing awkwardness of pixel value differences along the facial boundary in a synthesized image. For this procedure, there are distinctive differences in the facial boundary between face manipulated image and unforged natural image. Also, in the forged image, there should be distinctive and unnatural features in the gap distribution between facial boundary and background edge region because it tends to damage the natural effect of lighting. We design the neural network for detecting face-manipulated image with these distinctive features in facial boundary and background edge. Our extensive experiments show that our method outperforms other existing face manipulation detection methods on detecting synthesized face image in various datasets regardless of whether it has participated in training.
• Abstract（参考訳）: 本研究では,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,汎用的かつ堅牢な顔操作検出手法を提案する。 現代顔操作法の大半は、合成画像における顔面境界に沿った画素値差の厄介さを低減するための画素補正手順を含む。 この方法では, 顔操作画像と忘れ去られた自然画像との間には, 顔境界の違いがある。 また、鍛造画像では、照明の自然な効果を損なう傾向があるため、顔境界と背景エッジ領域のギャップ分布に特徴的な不自然な特徴があるべきである。 顔境界と背景エッジに特有の特徴を持つ顔操作画像を検出するニューラルネットワークを設計する。 本研究では, 既存の顔操作検出法よりも, トレーニングの有無にかかわらず, 合成顔画像の検出法を各種データセットで比較した。

関連論文リスト

• Human Face Recognition from Part of a Facial Image based on Image Stitching [0.0]
  現在の顔認識技術のほとんどは、認識される人物の完全な顔の存在を必要とする。 そこで本研究では,欠損部を画像に示す部分のフリップで縫合する工程を採用した。 ここで適用された顔認識アルゴリズムは固有顔と幾何学的手法である。
  論文  参考訳（メタデータ） (2022-03-10T19:31:57Z)
• 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)
• Face Forgery Detection by 3D Decomposition [72.22610063489248]
  顔画像は、基礎となる3次元幾何学と照明環境の介入の産物とみなす。 顔画像を3次元形状、共通テクスチャ、アイデンティティテクスチャ、周囲光、そして直接光に切り離すことで、悪魔は直接光とアイデンティティテクスチャの中に横たわる。 直接光と識別テクスチャを組み合わせた顔のディテールを,微妙な偽造パターンを検出する手がかりとして活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-19T09:25:44Z)
• DeepFake Detection Based on the Discrepancy Between the Face and its Context [94.47879216590813]
  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。
  論文  参考訳（メタデータ） (2020-08-27T17:04:46Z)
• InterFaceGAN: Interpreting the Disentangled Face Representation Learned by GANs [73.27299786083424]
  我々は、最先端のGANモデルによって学習された不整合顔表現を解釈するInterFaceGANというフレームワークを提案する。 まず、GANは潜在空間の線型部分空間で様々な意味学を学ぶ。 次に、異なる意味論間の相関関係について詳細な研究を行い、部分空間射影を通してそれらをよりよく解離させる。
  論文  参考訳（メタデータ） (2020-05-18T18:01:22Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• Robust Facial Landmark Detection via Aggregation on Geometrically Manipulated Faces [32.391300491317445]
  操作された顔画像のアグリゲーションに同調する。 入力領域における幾何学的操作は、小さいが慎重に設計されているため、深層顔認識モデルを騙すことができる。 提案手法は,ベンチマークデータセットAFLW,300-W,COFWの最先端手法に比べて優れていることを示す。
  論文  参考訳（メタデータ） (2020-01-07T16:43:09Z)
• Face X-ray for More General Face Forgery Detection [45.59018645493997]
  顔画像の偽造を検出するために,顔X線と呼ばれる新しい画像表現を提案する。 入力顔画像の顔X線は、入力画像が異なるソースからの2つの画像のブレンディングに分解できるか否かを明らかにするグレースケール画像である。
  論文  参考訳（メタデータ） (2019-12-31T17:57:56Z)

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。