論文の概要: Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision
- arxiv url: http://arxiv.org/abs/2107.05821v1
- Date: Tue, 13 Jul 2021 02:59:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:43:37.598517
- Title: Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision
- Title（参考訳）: 検出と位置:セマンティック・ノイズレベルのスーパービジョンを用いた対面マニピュレーション手法
- Authors: Chenqi Kong, Baoliang Chen, Haoliang Li, Shiqi Wang, Anderson Rocha,
and Sam Kwong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 67.73180660609844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The technological advancements of deep learning have enabled sophisticated
face manipulation schemes, raising severe trust issues and security concerns in
modern society. Generally speaking, detecting manipulated faces and locating
the potentially altered regions are challenging tasks. Herein, we propose a
conceptually simple but effective method to efficiently detect forged faces in
an image while simultaneously locating the manipulated regions. The proposed
scheme relies on a segmentation map that delivers meaningful high-level
semantic information clues about the image. Furthermore, a noise map is
estimated, playing a complementary role in capturing low-level clues and
subsequently empowering decision-making. Finally, the features from these two
modules are combined to distinguish fake faces. Extensive experiments show that
the proposed model achieves state-of-the-art detection accuracy and remarkable
localization performance.
- Abstract（参考訳）: 深層学習の技術進歩により、高度な顔操作が実現され、近代社会における深刻な信頼問題やセキュリティ上の懸念が高まった。
一般的に、操作された顔を検出し、潜在的に変化する領域を特定することは難しい作業である。
そこで本研究では,操作領域を同時に特定しながら,画像中の偽造面を効率的に検出する概念的かつ効果的な手法を提案する。
提案手法は,画像に関する有意義な高レベル意味情報を提供するセグメンテーションマップに依存している。
さらに、ノイズマップを推定し、低レベルの手がかりを捕捉し、次いで意思決定の強化に補完的な役割を果たす。
最後に、これら2つのモジュールの機能を組み合わせて、フェイクフェイスを区別する。
広汎な実験により,提案モデルが最先端検出精度と顕著な局所化性能を達成することを示す。
関連論文リスト
- 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) - 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) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
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。
論文 参考訳（メタデータ） (2021-04-28T09:35:48Z) - Detection and Localization of Facial Expression Manipulations [44.52966548652561]
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。
論文 参考訳（メタデータ） (2021-03-15T04:35:56Z) - 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) - Rethinking of the Image Salient Object Detection: Object-level Semantic
Saliency Re-ranking First, Pixel-wise Saliency Refinement Latter [62.26677215668959]
本稿では,意味的に有意な領域を粗い位置で特定する,軽量で教師付きの深層ネットワークを提案する。
次に,これらセマンティック・サリエント領域の深層モデルを画素ワイド・サリエンシ改善として融合する。
提案手法は単純だが有効であり,本手法は主眼をオブジェクトレベルのセマンティック・リグレード問題とみなすための最初の試みである。
論文 参考訳（メタデータ） (2020-08-10T07:12:43Z) - FakeLocator: Robust Localization of GAN-Based Face Manipulations [19.233930372590226]
本稿では,FakeLocatorと呼ばれる新しいアプローチを提案する。
これは、GANベースのフェイクローカライゼーション問題をグレースケールのフェイクネスマップで解決する最初の試みである。
人気の高いFaceForensics++,DFFDデータセット,および7種類の最先端のGANベースの顔生成手法による実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-01-27T06:15:01Z)
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。