論文の概要: Challenges and Solutions in DeepFakes

• arxiv url: http://arxiv.org/abs/2109.05397v1
• Date: Sun, 12 Sep 2021 01:22:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 15:40:04.581563
• Title: Challenges and Solutions in DeepFakes
• Title（参考訳）: ディープフェイクの課題と解決策
• Authors: Jatin Sharma and Sahil Sharma
• Abstract要約: ディープラーニングを利用したアプリケーションが最近登場したのがDeep Fakeだ。 これは、人間が本物と区別できない偽のイメージやビデオを作成するのに役立つ。 Nvidiaが収集したFlickrのデータセットから70万の顔と、スタイルのGANによって生成された100万の偽の顔からサンプリングされた70万の偽の顔を含む、140万の顔と偽の顔のデータセットを紹介した。 モデルが実際の顔や偽の顔を識別できるように、データセットでモデルをトレーニングします。
• 参考スコア（独自算出の注目度）: 8.401473551081747
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep learning has been successfully appertained to solve various complex problems in the area of big data analytics to computer vision. A deep learning-powered application recently emerged is Deep Fake. It helps to create fake images and videos that human cannot distinguish them from the real ones and are recent off-shelf manipulation technique that allows swapping two identities in a single video. Technology is a controversial technology with many wide-reaching issues impacting society. So, to counter this emerging problem, we introduce a dataset of 140k real and fake faces which contain 70k real faces from the Flickr dataset collected by Nvidia, as well as 70k fake faces sampled from 1 million fake faces generated by style GAN. We will train our model in the dataset so that our model can identify real or fake faces.
• Abstract（参考訳）: ディープラーニングは、ビッグデータ分析からコンピュータビジョンまで、さまざまな複雑な問題を解決することに成功している。 最近登場したディープラーニングベースのアプリケーションはDeep Fakeだ。 それは、人間が本物のものと区別できない偽の画像やビデオを作るのに役立ち、そして最近のオフ棚操作技術では、1つのビデオで2つのアイデンティティーを交換できる。 テクノロジーは物議を醸すテクノロジーであり、社会に影響を及ぼす多くの課題がある。 そこで、この新たな問題を解決するために、nvidiaが収集したflickrデータセットから7kのリアル顔を含む140kのリアル顔とフェイク顔のデータセットと、style ganが生成した100万のフェイク顔からサンプリングした7kのフェイク顔を紹介します。 モデルは実際の顔や偽の顔を識別できるように、データセットでモデルをトレーニングします。

関連論文リスト

• 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)
• DeePhy: On Deepfake Phylogeny [58.01631614114075]
  DeePhyは、新しいDeepfake Phylogenyデータセットである。 6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
  論文  参考訳（メタデータ） (2022-09-19T15:30:33Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
  本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。 顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。 Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
  論文  参考訳（メタデータ） (2022-07-22T17:55:39Z)
• A Survey of Deep Fake Detection for Trial Courts [2.320417845168326]
  DeepFakeのアルゴリズムは、人間が本物と区別できない偽のイメージやビデオを作成することができる。 偽の情報を拡散するのを避けるために、偽の動画を検出することが不可欠になっている。 本稿では,DeepFakeを検知する手法と,DeepFakeを検出できるデータセットについて検討する。
  論文  参考訳（メタデータ） (2022-05-31T13:50:25Z)
• A new face swap method for image and video domains: a technical report [60.47144478048589]
  FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。 新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
  論文  参考訳（メタデータ） (2022-02-07T10:15:50Z)
• WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
  我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。 既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
  論文  参考訳（メタデータ） (2021-01-05T11:10:32Z)
• Using GANs to Synthesise Minimum Training Data for Deepfake Generation [2.7393821783237184]
  ディープフェイクは、エンターテイメント、顧客関係、さらには支援ケアといったアプリケーションで有用である。 ディープフェイクを生成することの1つの問題は、被写体の多くの画像トレーニングデータを必要とすることである。 我々は、GANの特性を利用して、変化した表情を持つ人物のイメージを生成し、そこからディープフェイクを生成する。
  論文  参考訳（メタデータ） (2020-11-10T22:05:38Z)
• The DeepFake Detection Challenge (DFDC) Dataset [8.451007921188019]
  Deepfakesは、誰でも一つのビデオで2つのIDを交換できるテクニックだ。 この新たな脅威に対処するため、私たちは非常に大きな顔スワップビデオデータセットを構築しました。 記録されたすべての被験者は、顔障害者データセットの構築中にその類似性を変更し、参加することに同意した。
  論文  参考訳（メタデータ） (2020-06-12T18:15:55Z)
• Video Face Manipulation Detection Through Ensemble of CNNs [17.051112469244778]
  現代の顔操作技術をターゲットにした映像系列における顔操作検出の課題に対処する。 特に、異なる訓練された畳み込みニューラルネットワーク(CNN)モデルのアンサンブルについて検討する。 これらのネットワークを組み合わせることで、2つの公開データセット上での顔操作検出結果が期待できることを示す。
  論文  参考訳（メタデータ） (2020-04-16T14:19:40Z)

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。