論文の概要: Detection and Localization of Facial Expression Manipulations
- arxiv url: http://arxiv.org/abs/2103.08134v1
- Date: Mon, 15 Mar 2021 04:35:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:08:06.016052
- Title: Detection and Localization of Facial Expression Manipulations
- Title（参考訳）: 顔表現マニピュレーションの検出と局在化
- Authors: Ghazal Mazaheri, Amit K. Roy-Chowdhury
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 44.52966548652561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Concern regarding the wide-spread use of fraudulent images/videos in social
media necessitates precise detection of such fraud. The importance of facial
expressions in communication is widely known, and adversarial attacks often
focus on manipulating the expression related features. Thus, it is important to
develop methods that can detect manipulations in facial expressions, and
localize the manipulated regions. To address this problem, we propose a
framework that is able to detect manipulations in facial expression using a
close combination of facial expression recognition and image manipulation
methods. With the addition of feature maps extracted from the facial expression
recognition framework, our manipulation detector is able to localize the
manipulated region. We show that, on the Face2Face dataset, where there is
abundant expression manipulation, our method achieves over 3% higher accuracy
for both classification and localization of manipulations compared to
state-of-the-art methods. In addition, results on the NeuralTextures dataset
where the facial expressions corresponding to the mouth regions have been
modified, show 2% higher accuracy in both classification and localization of
manipulation. We demonstrate that the method performs at-par with the
state-of-the-art methods in cases where the expression is not manipulated, but
rather the identity is changed, thus ensuring generalizability of the approach.
- Abstract（参考訳）: ソーシャルメディアでの不正画像/ビデオの広範な使用に関する懸念は、そのような詐欺の正確な検出を必要とします。
コミュニケーションにおける表情の重要性は広く知られており、敵対的攻撃はしばしば表情に関連する特徴を操作することに焦点を当てている。
したがって、表情の操作を検知し、操作領域を局所化する手法を開発することが重要である。
この問題に対処するために,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。
顔認識フレームワークから抽出された特徴マップの追加により、操作された領域を局在化することができます。
表現操作が豊富であるFace2Faceデータセットでは,操作の分類と局所化の精度が,最先端の手法と比較して3%以上向上していることを示す。
さらに、口領域に対応する表情が変更されたNeuralTexturesデータセットの結果は、操作の分類と局在の両方において2%高い精度を示しています。
本手法は,表現が操作されない場合には最先端の手法と同等に動作し,同一性が変更され,そのアプローチの一般化性が保証されることを示す。
関連論文リスト
- Learning Expressive And Generalizable Motion Features For Face Forgery
Detection [52.54404879581527]
本稿では,既存のビデオ分類手法に基づく,シーケンスに基づく効果的な偽造検出フレームワークを提案する。
動作特徴をより表現しやすくするために,別の動作整合ブロックを提案する。
一般的なビデオ分類ネットワークを3つの顔偽造データに対して有望な結果を達成する。
論文 参考訳（メタデータ） (2024-03-08T09:25:48Z) - Collaborative Feature Learning for Fine-grained Facial Forgery Detection
and Segmentation [56.73855202368894]
偽造検出に関する以前の研究は、主に顔全体に焦点を当てていた。
近年の偽造法では、重要な顔成分を編集し、他の成分をそのまま維持する手法が開発されている。
ファリシファイドコンポーネントの操作とセグメンテーションを同時に検出するための協調的特徴学習手法を提案する。
論文 参考訳（メタデータ） (2023-04-17T08:49:11Z) - Face Forgery Detection Based on Facial Region Displacement Trajectory
Series [10.338298543908339]
本研究では,顔領域変位の軌跡に基づく操作映像の検出手法を開発した。
この情報を用いて、操作されたビデオの軌跡列に多次元のアーティファクトを露呈するネットワークを構築した。
論文 参考訳（メタデータ） (2022-12-07T14:47:54Z) - 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) - Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout
for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。
ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文 参考訳（メタデータ） (2021-06-08T13:40:30Z) - 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) - Fake face detection via adaptive manipulation traces extraction network [9.892936175042939]
本稿では,画像内容の抑制と操作トレースの強調のために,適応的な操作トレース抽出ネットワーク (AMTEN) を提案する。
AMTENは適応的な畳み込み層を利用して画像内の操作トレースを予測する。
様々なFIM技術によって生成された偽の顔画像を検出する場合、AMTENnetは平均精度98.52%に達する。
論文 参考訳（メタデータ） (2020-05-11T09:16:39Z)
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。