論文の概要: Robust Face-Swap Detection Based on 3D Facial Shape Information

• arxiv url: http://arxiv.org/abs/2104.13665v1
• Date: Wed, 28 Apr 2021 09:35:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 12:47:41.138853
• Title: Robust Face-Swap Detection Based on 3D Facial Shape Information
• Title（参考訳）: 3次元顔形状情報に基づくロバスト・フェイススワップ検出
• Authors: Weinan Guan, Wei Wang, Jing Dong, Bo Peng and Tieniu Tan
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 59.32489266682952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maliciously-manipulated images or videos - so-called deep fakes - especially face-swap images and videos have attracted more and more malicious attackers to discredit some key figures. Previous pixel-level artifacts based detection techniques always focus on some unclear patterns but ignore some available semantic clues. Therefore, these approaches show weak interpretability and robustness. In this paper, we propose a biometric information based method to fully exploit the appearance and shape feature for face-swap detection of key figures. The key aspect of our method is obtaining the inconsistency of 3D facial shape and facial appearance, and the inconsistency based clue offers natural interpretability for the proposed face-swap detection method. Experimental results show the superiority of our method in robustness on various laundering and cross-domain data, which validates the effectiveness of the proposed method.
• Abstract（参考訳）: 悪意のある画像やビデオ ― いわゆるディープフェイク ― 特に顔認識画像やビデオ ― は、いくつかの重要な人物の信用を損なうために、ますます悪意のある攻撃者を惹きつけている。 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ヒントは無視する。 したがって、これらのアプローチは弱い解釈性と堅牢性を示す。 本稿では,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ベース手法を提案する。 提案手法の重要な特徴は,3次元顔の形状と顔の外観の非一貫性を得ることであり,その非一貫性に基づく手掛かりは,提案手法の自然な解釈性を提供する。 実験の結果,提案手法の有効性を検証するため,様々な洗浄・クロスドメインデータに対するロバスト性が評価された。

関連論文リスト

• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Building an Invisible Shield for Your Portrait against Deepfakes [34.65356811439098]
  本稿では,画像のプロアクティブな保護を目的とした新しいフレームワーク,Integity Encryptorを提案する。 提案手法では,重要な顔属性と密接な関係を持つメッセージを,秘密に符号化する。 修正された顔属性は、デコードされたメッセージの比較を通じて、操作された画像を検出する手段として機能する。
  論文  参考訳（メタデータ） (2023-05-22T10:01:28Z)
• 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)
• 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)
• 3D Face Anti-spoofing with Factorized Bilinear Coding [35.30886962572515]
  本稿では, きめ細かい分類の観点から, 新規なアンチ・スプーフィング法を提案する。 RGB と YCbCr 空間から識別的かつ相補的情報を抽出することにより、3次元顔スプーフィング検出の原理的解法を開発した。
  論文  参考訳（メタデータ） (2020-05-12T03:09:20Z)
• One-Shot GAN Generated Fake Face Detection [3.3707422585608953]
  本稿では,汎用的なワンショットGAN生成顔検出手法を提案する。 提案手法は,シーン理解モデルを用いて顔から文脈外オブジェクトを抽出する。 実験の結果,文脈外の特徴の観点から,偽の顔と現実の顔とを識別できることが判明した。
  論文  参考訳（メタデータ） (2020-03-27T05:51:14Z)
• 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)

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。