論文の概要: OpenForensics: Large-Scale Challenging Dataset For Multi-Face Forgery Detection And Segmentation In-The-Wild

• arxiv url: http://arxiv.org/abs/2107.14480v1
• Date: Fri, 30 Jul 2021 08:15:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-02 17:08:37.012451
• Title: OpenForensics: Large-Scale Challenging Dataset For Multi-Face Forgery Detection And Segmentation In-The-Wild
• Title（参考訳）: OpenForensics:多面フォージェリ検出とセグメンテーションのための大規模チェアリングデータセット
• Authors: Trung-Nghia Le and Huy H. Nguyen and Junichi Yamagishi and Isao Echizen
• Abstract要約: 本稿では,多面フォージェリ検出とセグメント化という2つの新しい対策課題について述べる。 制約のない自然の場面で、複数の人間の顔に偽の顔を置くことは、従来のディープフェイク認識タスクよりもはるかに難しい。 豊富なアノテーションによって、私たちのOpenForensicsデータセットは、ディープフェイク防止と一般的な人間の顔検出の両方の研究に大きな可能性を秘めています。
• 参考スコア（独自算出の注目度）: 48.67582300190131
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of deepfake media is raising concerns among the public and relevant authorities. It has become essential to develop countermeasures against forged faces in social media. This paper presents a comprehensive study on two new countermeasure tasks: multi-face forgery detection and segmentation in-the-wild. Localizing forged faces among multiple human faces in unrestricted natural scenes is far more challenging than the traditional deepfake recognition task. To promote these new tasks, we have created the first large-scale dataset posing a high level of challenges that is designed with face-wise rich annotations explicitly for face forgery detection and segmentation, namely OpenForensics. With its rich annotations, our OpenForensics dataset has great potentials for research in both deepfake prevention and general human face detection. We have also developed a suite of benchmarks for these tasks by conducting an extensive evaluation of state-of-the-art instance detection and segmentation methods on our newly constructed dataset in various scenarios. The dataset, benchmark results, codes, and supplementary materials will be publicly available on our project page: https://sites.google.com/view/ltnghia/research/openforensics
• Abstract（参考訳）: ディープフェイクメディアの普及は、公共および関連当局の間で懸念が高まっている。 ソーシャルメディアにおける偽顔対策の整備が不可欠となっている。 本稿では,マルチフェイス偽造検出とセグメンテーションの2つの対策を包括的に検討する。 制約のない自然の場面で、複数の人間の顔に偽の顔を置くことは、従来のディープフェイク認識タスクよりもはるかに難しい。 これらの新しいタスクを促進するために、私たちは、顔の偽造検出とセグメンテーション、すなわちopenforensicsのために明示的に顔にリッチなアノテーションで設計された、高いレベルの課題を提起する最初の大規模データセットを作成しました。 豊富なアノテーションによって、私たちのOpenForensicsデータセットは、ディープフェイク防止と一般的な人間の顔検出の両方の研究に大きな可能性を秘めています。 さまざまなシナリオで新たに構築したデータセット上で,最先端のインスタンス検出とセグメンテーション手法を広範囲に評価することにより,これらのタスクのベンチマークも開発した。 データセット、ベンチマーク結果、コード、補足資料は、プロジェクトのページで公開されます。

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)
• 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)
• FedForgery: Generalized Face Forgery Detection with Residual Federated Learning [87.746829550726]
  既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。 顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。 顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
  論文  参考訳（メタデータ） (2022-10-18T03:32:18Z)
• Face Forensics in the Wild [121.23154918448618]
  我々は、ffiw-10kと呼ばれる新しい大規模データセットを構築し、高品質の偽造ビデオ1万本を含む。 操作手順は完全自動で、ドメイン対逆品質評価ネットワークによって制御されます。 さらに,多人数顔偽造検出の課題に取り組むための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-30T05:06:19Z)
• Going Deeper Into Face Detection: A Survey [30.711114908611563]
  顔検出は、多くの顔認識および顔分析システムの重要な第一歩です。 2012年、ディープニューラルネットワークを用いた画像分類における画期的な取り組みにより、顔検出のパラダイムは大きく変化した。 本研究では,最も代表的な深層学習に基づく顔検出手法について詳細に概説する。
  論文  参考訳（メタデータ） (2021-03-27T20:18:00Z)

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。