論文の概要: DeepfakeUCL: Deepfake Detection via Unsupervised Contrastive Learning
- arxiv url: http://arxiv.org/abs/2104.11507v1
- Date: Fri, 23 Apr 2021 09:48:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 13:13:32.656837
- Title: DeepfakeUCL: Deepfake Detection via Unsupervised Contrastive Learning
- Title（参考訳）: DeepfakeUCL:教師なしコントラスト学習によるディープフェイク検出
- Authors: Sheldon Fung, Xuequan Lu, Chao Zhang, Chang-Tsun Li
- Abstract要約: 教師なしコントラスト学習による新しいディープフェイク検出手法を設計する。
本手法は最先端の教師技術に匹敵する検出性能を示す。
- 参考スコア（独自算出の注目度）: 20.94569893388119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face deepfake detection has seen impressive results recently. Nearly all
existing deep learning techniques for face deepfake detection are fully
supervised and require labels during training. In this paper, we design a novel
deepfake detection method via unsupervised contrastive learning. We first
generate two different transformed versions of an image and feed them into two
sequential sub-networks, i.e., an encoder and a projection head. The
unsupervised training is achieved by maximizing the correspondence degree of
the outputs of the projection head. To evaluate the detection performance of
our unsupervised method, we further use the unsupervised features to train an
efficient linear classification network. Extensive experiments show that our
unsupervised learning method enables comparable detection performance to
state-of-the-art supervised techniques, in both the intra- and inter-dataset
settings. We also conduct ablation studies for our method.
- Abstract（参考訳）: 顔のディープフェイク検出は、最近目覚ましい結果を得た。
顔深度検出のための既存のディープラーニング技術は、ほぼすべて教師付きであり、トレーニング中にラベルを必要とする。
本稿では,教師なしコントラスト学習による新しいディープフェイク検出手法を設計する。
まず、画像を変換した2つのバージョンを生成し、それらを2つのシーケンシャルサブネットワーク、すなわちエンコーダとプロジェクションヘッドに供給する。
プロジェクションヘッドの出力の対応度を最大化することにより、教師なしトレーニングを実現する。
教師なし手法の検出性能を評価するために,教師なし特徴を用いて効率的な線形分類ネットワークを訓練する。
広範な実験により,教師なし学習手法は,データセット内およびデータセット間において,最先端の教師付き手法に匹敵する検出性能を実現することが示された。
また, この方法ではアブレーション研究も行う。
関連論文リスト
- 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) - UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - CL-Flow:Strengthening the Normalizing Flows by Contrastive Learning for
Better Anomaly Detection [1.951082473090397]
コントラスト学習と2D-Flowを組み合わせた自己教師付き異常検出手法を提案する。
本手法は,主流の教師なし手法と比較して,検出精度が向上し,モデルパラメータが減少し,推論速度が向上することを示す。
BTADデータセットでは,MVTecADデータセットでは画像レベルのAUROCが99.6%,BTADデータセットでは画像レベルのAUROCが96.8%であった。
論文 参考訳（メタデータ） (2023-11-12T10:07:03Z) - Facial Forgery-based Deepfake Detection using Fine-Grained Features [7.378937711027777]
ディープフェイクによる顔の偽造は、大きなセキュリティリスクを引き起こし、深刻な社会的懸念を引き起こしている。
我々は,詳細な分類問題としてディープフェイク検出を定式化し,それに対する新たなきめ細かな解を提案する。
本手法は, 背景雑音を効果的に抑制し, 様々なスケールの識別特徴を学習することにより, 微妙で一般化可能な特徴を学習し, 深度検出を行う。
論文 参考訳（メタデータ） (2023-10-10T21:30:05Z) - CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。
既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。
顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文 参考訳（メタデータ） (2023-09-30T12:30:25Z) - Aggregating Layers for Deepfake Detection [20.191456827448736]
ネットワークが1つのDeepfakeアルゴリズムでトレーニングされ、別のアルゴリズムで生成されたDeepfakesでテストされる場合を考える。
我々のアルゴリズムは、あるバックボーンネットワークのすべての層から抽出された特徴を集約し、偽物を検出する。
本稿では,2つの関心領域(ディープフェイク検出と合成画像検出)に対するアプローチを評価し,SOTAの結果が得られたことを確かめる。
論文 参考訳（メタデータ） (2022-10-11T14:29:47Z) - Self-supervised Transformer for Deepfake Detection [112.81127845409002]
現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。
転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。
本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2022-03-02T17:44:40Z) - 3D Intracranial Aneurysm Classification and Segmentation via
Unsupervised Dual-branch Learning [14.248520176546293]
頭蓋内動脈瘤は近年一般的であり、それをインテリジェントに検出する方法は、デジタルヘルスにおいて非常に重要である。
3Dポイントクラウドデータに基づく頭蓋内動脈瘤検出のための教師なし手法を提案する。
論文 参考訳（メタデータ） (2022-01-06T02:03:25Z) - Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and
Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。
本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。
我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文 参考訳（メタデータ） (2021-05-14T10:05:10Z) - Learning by Analogy: Reliable Supervision from Transformations for
Unsupervised Optical Flow Estimation [83.23707895728995]
光フローの教師なし学習は、教師付き手法に代わる有望な代替手段として登場した。
私たちは、トランスフォーメーションからより信頼性の高い監視を使用するためのフレームワークを提示します。
提案手法は, 深い教師なし手法の中で, 最高の精度で, いくつかのベンチマークで連続的に性能を向上する。
論文 参考訳（メタデータ） (2020-03-29T14:55:24Z)
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。