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
- GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross
Appearance-Edge Learning [49.93362169016503]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳(メタデータ) (2024-02-03T03:13:50Z) - Exploiting Facial Relationships and Feature Aggregation for Multi-Face
Forgery Detection [21.976412231332798]
既存の方法は、主に単面操作検出に集中しており、より複雑で現実的な多面フォージェリーの領域は、比較的探索されていないままである。
本稿では,多面フォージェリ検出に適した新しいフレームワークを提案し,現状の研究において重要なギャップを埋めている。
提案手法が多面フォージェリ検出シナリオにおける最先端性能を実現することを示すために,2つの公開多面フォージェリデータセットを用いた実験結果を得た。
論文 参考訳(メタデータ) (2023-10-07T15:09:18Z) - Contrastive Multi-FaceForensics: An End-to-end Bi-grained Contrastive
Learning Approach for Multi-face Forgery Detection [43.7421126999155]
Contrastive Multi-Face Forensics (COMICS)について述べる。
提案するフレームワークは、粗い面と細かな面の両方で効果的な顔偽造跡を探索する、新しい2次元のコントラスト学習手法である。
提案手法は,他の手法よりも大きなマージン(18.5%)を達成し,各種アーキテクチャへの統合の可能性を示している。
論文 参考訳(メタデータ) (2023-08-03T03:37:13Z) - Collaborative Feature Learning for Fine-grained Facial Forgery Detection
and Segmentation [56.73855202368894]
偽造検出に関する以前の研究は、主に顔全体に焦点を当てていた。
近年の偽造法では、重要な顔成分を編集し、他の成分をそのまま維持する手法が開発されている。
ファリシファイドコンポーネントの操作とセグメンテーションを同時に検出するための協調的特徴学習手法を提案する。
論文 参考訳(メタデータ) (2023-04-17T08:49:11Z) - 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) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳(メタデータ) (2021-09-21T16:18:45Z) - 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。