論文の概要: Do Not Deceive Your Employer with a Virtual Background: A Video Conferencing Manipulation-Detection System

• arxiv url: http://arxiv.org/abs/2106.15130v1
• Date: Tue, 29 Jun 2021 07:31:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-30 15:47:06.333692
• Title: Do Not Deceive Your Employer with a Virtual Background: A Video Conferencing Manipulation-Detection System
• Title（参考訳）: 仮想バックグラウンドで従業員を欺かない:ビデオ会議操作検出システム
• Authors: Mauro Conti, Simone Milani, Ehsan Nowroozi, Gabriele Orazi
• Abstract要約: 本稿では,ビデオ会議のユーザ背景が本物かどうかを検出するための効率的なツールの実現可能性について検討する。 実験により、クロス共起行列は、異なる種類の攻撃に対して検出器の堅牢性を向上させることが確認された。
• 参考スコア（独自算出の注目度）: 35.82676654231492
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The last-generation video conferencing software allows users to utilize a virtual background to conceal their personal environment due to privacy concerns, especially in official meetings with other employers. On the other hand, users maybe want to fool people in the meeting by considering the virtual background to conceal where they are. In this case, developing tools to understand the virtual background utilize for fooling people in meeting plays an important role. Besides, such detectors must prove robust against different kinds of attacks since a malicious user can fool the detector by applying a set of adversarial editing steps on the video to conceal any revealing footprint. In this paper, we study the feasibility of an efficient tool to detect whether a videoconferencing user background is real. In particular, we provide the first tool which computes pixel co-occurrences matrices and uses them to search for inconsistencies among spectral and spatial bands. Our experiments confirm that cross co-occurrences matrices improve the robustness of the detector against different kinds of attacks. This work's performance is especially noteworthy with regard to color SPAM features. Moreover, the performance especially is significant with regard to robustness versus post-processing, like geometric transformations, filtering, contrast enhancement, and JPEG compression with different quality factors.
• Abstract（参考訳）: 最新のビデオ会議ソフトウェアは、プライバシー上の懸念から、特に他の雇用主との公式会議において、仮想背景を利用して個人的な環境を隠すことができる。 一方、ユーザーは会議の参加者を騙し、仮想的な背景から自分の居場所を隠そうとしているのかもしれない。 この場合、仮想背景を理解するためのツールの開発は、ミーティングで人を騙すのに役立ちます。 さらに、悪意のあるユーザーがビデオに一連の敵の編集手順を適用して、露呈するフットプリントを隠蔽することで、検知器を騙すことができるため、このような検知器はさまざまな種類の攻撃に対して堅牢でなければならない。 本稿では,ビデオ会議のユーザ背景が本物かどうかを検出するための効率的なツールの実現可能性について検討する。 特に,画素共起行列を計算し,スペクトルおよび空間帯域間の不整合を探索する最初のツールを提供する。 実験により, クロス共起行列は, 異なる種類の攻撃に対する検出器の頑健性を向上させることが確認された。 この作品のパフォーマンスは特にSPAM色の特徴について注目に値する。 さらに, 幾何変換, フィルタリング, コントラスト強調, jpeg圧縮などの後処理に対するロバスト性については, 品質要因の違いが特に重要である。

関連論文リスト

• Masked Differential Privacy [64.32494202656801]
  本稿では,差分プライバシーを適用した機密領域を制御できる「マスク型差分プライバシー(DP)」という効果的なアプローチを提案する。 提案手法はデータに基づいて選択的に動作し,DPアプリケーションや差分プライバシーをデータサンプル内の他のプライバシー技術と組み合わせることなく,非感性時間領域を定義できる。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• 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)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Real or Virtual: A Video Conferencing Background Manipulation-Detection System [25.94894351460089]
  実際のビデオ会議と仮想ビデオ会議のユーザ背景を区別する検出戦略を提案する。 敵が考える異なる敵攻撃に対する検出器の堅牢性を示す。 結果,実物は仮想背景から99.80%の精度で識別できることが判明した。
  論文  参考訳（メタデータ） (2022-04-25T08:14:11Z)
• Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
  本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。 我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。 本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
  論文  参考訳（メタデータ） (2022-04-06T20:51:40Z)
• Privacy Aware Person Detection in Surveillance Data [4.727475863373813]
  群衆管理は、オペレーターまたはオブジェクト検出モデルによる監視ビデオの検査に依存する。 カメラから遠隔インフラに映像を転送すれば、プライバシー侵害となる追加情報を抽出する扉が開くかもしれない。 本稿では,人検出に必要な情報のみを保持するために,映像フレームを変換する軽量なオファスケータを得るために,対人訓練を用いる。
  論文  参考訳（メタデータ） (2021-10-28T14:49:21Z)
• Privacy-Preserving Video Classification with Convolutional Neural Networks [8.51142156817993]
  本稿では,畳み込みニューラルネットワークを用いた単一フレーム方式のビデオ分類のプライバシ保護実装を提案する。 個人の感情認識への応用として提案手法の評価を行った。
  論文  参考訳（メタデータ） (2021-02-06T05:05:31Z)
• FakeBuster: A DeepFakes Detection Tool for Video Conferencing Scenarios [9.10316289334594]
  本稿では,ソーシャルメディア上での映像会議および顔操作におけるインポスタ検出のための新しいDeepFake検出器FakeBusterを提案する。 FakeBusterはスタンドアロンのディープラーニングベースのソリューションで、ビデオ会議ベースのミーティング中に他の人のビデオが操作またはスプーフィングされているかどうかをユーザーが検出できます。
  論文  参考訳（メタデータ） (2021-01-09T09:06:08Z)
• VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
  偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。 前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2020-05-20T21:17:43Z)

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。