Fugu-MT 論文翻訳(概要): DeepFake-o-meter: An Open Platform for DeepFake Detection

論文の概要: DeepFake-o-meter: An Open Platform for DeepFake Detection

arxiv url: http://arxiv.org/abs/2103.02018v1
Date: Tue, 2 Mar 2021 20:45:33 GMT
ステータス: 処理完了
システム内更新日: 2021-03-04 15:11:42.712725
Title: DeepFake-o-meter: An Open Platform for DeepFake Detection
Title（参考訳）: DeepFake-o-meter: DeepFake検出のためのオープンプラットフォーム
Authors: Yuezun Li, Cong Zhang, Pu Sun, Honggang Qi, and Siwei Lyu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 36.62547135445819
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, the advent of deep learning-based techniques and the significant reduction in the cost of computation resulted in the feasibility of creating realistic videos of human faces, commonly known as DeepFakes. The availability of open-source tools to create DeepFakes poses as a threat to the trustworthiness of the online media. In this work, we develop an open-source online platform, known as DeepFake-o-meter, that integrates state-of-the-art DeepFake detection methods and provide a convenient interface for the users. We describe the design and function of DeepFake-o-meter in this work.
Abstract（参考訳）: 近年、ディープラーニングベースの技術の出現と計算コストの大幅な削減により、DeepFakesとして知られる人間の顔のリアルなビデオを作成することが可能になった。 DeepFakesを作成するためのオープンソースツールの可用性は、オンラインメディアの信頼性を脅かすものです。本研究では,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検出手法を統合し,ユーザにとって便利なインターフェースを提供する。本稿では,DeepFake-o-meterの設計と機能について述べる。

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)
Semantics-Oriented Multitask Learning for DeepFake Detection: A Joint Embedding Approach [77.65459419417533]
本稿ではセマンティクス指向のDeepFake検出タスクをサポートするための自動データセット拡張手法を提案する。また,顔画像とそれに対応するラベルを併用して予測を行う。提案手法は,DeepFake検出の一般化性を向上し,人間の理解可能な説明を提供することで,ある程度のモデル解釈を行う。
論文参考訳（メタデータ） (2024-08-29T07:11:50Z)
DeepFake-O-Meter v2.0: An Open Platform for DeepFake Detection [23.879850908167278]
DeepFake-O-Meterは、Deepfakeの画像、ビデオ、オーディオを検出する最先端の手法を統合している。このプラットホームは、日常的なユーザに、複数の最先端検出アルゴリズムを使ってDeepFakeメディアを分析する便利なサービスを提供することを目指している。
論文参考訳（メタデータ） (2024-04-19T19:24:20Z)
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)
A Survey of Deep Fake Detection for Trial Courts [2.320417845168326]
DeepFakeのアルゴリズムは、人間が本物と区別できない偽のイメージやビデオを作成することができる。偽の情報を拡散するのを避けるために、偽の動画を検出することが不可欠になっている。本稿では,DeepFakeを検知する手法と,DeepFakeを検出できるデータセットについて検討する。
論文参考訳（メタデータ） (2022-05-31T13:50:25Z)
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)
Countering Malicious DeepFakes: Survey, Battleground, and Horizon [17.153920019319603]
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。
論文参考訳（メタデータ） (2021-02-27T13:48:54Z)
WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
論文参考訳（メタデータ） (2021-01-05T11:10:32Z)

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。