Fugu-MT 論文翻訳(概要): Countering Malicious DeepFakes: Survey, Battleground, and Horizon

論文の概要: Countering Malicious DeepFakes: Survey, Battleground, and Horizon

arxiv url: http://arxiv.org/abs/2103.00218v1
Date: Sat, 27 Feb 2021 13:48:54 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 16:43:11.569514
Title: Countering Malicious DeepFakes: Survey, Battleground, and Horizon
Title（参考訳）: 悪質なディープフェイク対策:サーベイ、バトルグラウンド、ホライズン
Authors: Felix Juefei-Xu and Run Wang and Yihao Huang and Qing Guo and Lei Ma and Yang Liu
Abstract要約: DeepFakeと呼ばれる深い生成的アプローチによる顔の外観の作成と操作は、大きな進歩を遂げました。この新しい技術の邪悪な側面は、別の一般的な研究、すなわち本物のものから偽の顔を識別することを目的としたDeepFake検出を提示します。コミュニティにおけるDeepFake関連の研究の急速な発展に伴い、双方(すなわちDeepFakeの生成と検出)は戦場の関係を形成している。
参考スコア（独自算出の注目度）: 17.153920019319603
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The creation and the manipulation of facial appearance via deep generative approaches, known as DeepFake, have achieved significant progress and promoted a wide range of benign and malicious applications. The evil side of this new technique poses another popular study, i.e., DeepFake detection aiming to identify the fake faces from the real ones. With the rapid development of the DeepFake-related studies in the community, both sides (i.e., DeepFake generation and detection) have formed the relationship of the battleground, pushing the improvements of each other and inspiring new directions, e.g., the evasion of DeepFake detection. Nevertheless, the overview of such battleground and the new direction is unclear and neglected by recent surveys due to the rapid increase of related publications, limiting the in-depth understanding of the tendency and future works. To fill this gap, in this paper, we provide a comprehensive overview and detailed analysis of the research work on the topic of DeepFake generation, DeepFake detection as well as evasion of DeepFake detection, with more than 191 research papers carefully surveyed. We present the taxonomy of various DeepFake generation methods and the categorization of various DeepFake detection methods, and more importantly, we showcase the battleground between the two parties with detailed interactions between the adversaries (DeepFake generation) and the defenders (DeepFake detection). The battleground allows fresh perspective into the latest landscape of the DeepFake research and can provide valuable analysis towards the research challenges and opportunities as well as research trends and directions in the field of DeepFake generation and detection. We also elaborately design interactive diagrams (http://www.xujuefei.com/dfsurvey) to allow researchers to explore their own interests on popular DeepFake generators or detectors.
Abstract（参考訳）: DeepFakeと呼ばれる深い生成的アプローチによる顔の外観の作成と操作は、大きな進歩を遂げ、幅広い良性および悪意のあるアプリケーションを促進しました。この新しい技術の邪悪な側面は、別の一般的な研究、すなわち本物のものから偽の顔を識別することを目的としたDeepFake検出を提示します。コミュニティにおけるDeepFake関連の研究の急速な発展に伴い、双方(すなわちDeepFakeの生成と検出)は戦場の関係を形成し、お互いの改善を促進し、DeepFake検出の回避などの新しい方向を刺激している。それにもかかわらず、関連出版物の急速な増加による最近の調査では、このような戦場の概要と新しい方向性は不明確で無視され、傾向と将来の作品の詳細な理解が制限されています。このギャップを埋めるために、本論文では、DeepFake生成、DeepFake検出、DeepFake検出の回避に関する研究の包括的な概要と詳細な分析を行い、191以上の研究論文を慎重に調査します。本稿では,様々なディープフェイク生成方法の分類と,様々なディープフェイク検出方法の分類を行い,さらに,敵(ディープフェイク生成)とディフェンダー(ディープフェイク検出)の詳細な相互作用を持つ両者の戦闘場を紹介する。戦場は、DeepFake研究の最新の風景を新鮮な視点で捉えることができ、DeepFakeの生成と検出の分野での研究の課題と機会、研究の傾向と方向に対する貴重な分析を提供することができます。我々はまた、インタラクティブな図(http://www.xujuefei.com/dfsurvey)を精巧に設計し、研究者が人気のあるDeepFakeジェネレータや検出器に対する自身の関心を探求できるようにしました。

関連論文リスト

Deep Learning Technology for Face Forgery Detection: A Survey [17.519617618071003]
ディープラーニングにより、高忠実度顔画像やビデオの作成や操作が可能になった。この技術はディープフェイクとしても知られ、劇的な進歩を遂げ、ソーシャルメディアで人気を博している。ディープフェイクのリスクを低減するため、強力な偽造検出方法を開発することが望ましい。
論文参考訳（メタデータ） (2024-09-22T01:42:01Z)
Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文参考訳（メタデータ） (2024-03-26T17:12:34Z)
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)
DeePhy: On Deepfake Phylogeny [58.01631614114075]
DeePhyは、新しいDeepfake Phylogenyデータセットである。 6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
論文参考訳（メタデータ） (2022-09-19T15:30:33Z)
DFGC 2022: The Second DeepFake Game Competition [93.05016504907401]
ディープフェイクは急速に進化しており、現実的なフェイススワップは認識しにくくなっている。 DeepFakeのクリエーターとディフェンダーの間には2人組のゲームがある。このコンペティションは、DeepFakeの生成と検出方法における現在の最先端のゲームをベンチマークするための共通のプラットフォームを提供する。
論文参考訳（メタデータ） (2022-06-30T09:13:06Z)
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)
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)
DFGC 2021: A DeepFake Game Competition [58.77039013470618]
本稿では,DFGC 2021コンペティションの概要を紹介する。 DeepFakeの技術は急速に発展しており、現実的なフェイススワップはますます認知しにくくなっている。このコンペティションは、現在の最先端のDeepFake生成と検出方法の間の対戦ゲームをベンチマークするための共通プラットフォームを提供する。
論文参考訳（メタデータ） (2021-06-02T15:10:13Z)
DeepFake-o-meter: An Open Platform for DeepFake Detection [36.62547135445819]
DeepFake-o-meterと呼ばれるオープンソースのオンラインプラットフォームを開発し、最新のDeepFake検出方法を統合します。本稿では,DeepFake-o-meterの設計と機能について述べる。
論文参考訳（メタデータ） (2021-03-02T20:45:33Z)
Landmark Breaker: Obstructing DeepFake By Disturbing Landmark Extraction [40.71503677067645]
ランドマークブレーカー(Landmark Breaker)は、顔のランドマーク抽出を妨害する最初の専用手法である。私たちのモチベーションは、顔のランドマーク抽出を乱すことが、DeepFakeの品質を劣化させるために、入力顔のアライメントに影響を与えることです。 DeepFake生成後にのみ動作する検出方法と比較して、Landmark BreakerはDeepFake生成を防ぐために一歩前進する。
論文参考訳（メタデータ） (2021-02-01T12:27:08Z)

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。