論文の概要: Improved Xception with Dual Attention Mechanism and Feature Fusion for Face Forgery Detection

• arxiv url: http://arxiv.org/abs/2109.14136v1
• Date: Wed, 29 Sep 2021 01:54:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-30 14:51:31.080673
• Title: Improved Xception with Dual Attention Mechanism and Feature Fusion for Face Forgery Detection
• Title（参考訳）: 顔偽造検出のためのデュアルアテンション機構と特徴融合によるxceptionの改善
• Authors: Hao Lin, Weiqi Luo, Kangkang Wei and Minglin Liu
• Abstract要約: 顔偽造検出は近年研究ホットスポットとなっている。 顔偽造検出のための二重注意機構と特徴融合を備えた改良型Xceptionを提案する。 3つのDeepfakeデータセットで評価した結果,提案手法がXceptionより優れていることが示された。
• 参考スコア（独自算出の注目度）: 6.718457497370086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of deep learning technology, more and more face forgeries by deepfake are widely spread on social media, causing serious social concern. Face forgery detection has become a research hotspot in recent years, and many related methods have been proposed until now. For those images with low quality and/or diverse sources, however, the detection performances of existing methods are still far from satisfactory. In this paper, we propose an improved Xception with dual attention mechanism and feature fusion for face forgery detection. Different from the middle flow in original Xception model, we try to catch different high-semantic features of the face images using different levels of convolution, and introduce the convolutional block attention module and feature fusion to refine and reorganize those high-semantic features. In the exit flow, we employ the self-attention mechanism and depthwise separable convolution to learn the global information and local information of the fused features separately to improve the classification the ability of the proposed model. Experimental results evaluated on three Deepfake datasets demonstrate that the proposed method outperforms Xception as well as other related methods both in effectiveness and generalization ability.
• Abstract（参考訳）: ディープラーニング技術の急速な発展に伴い、deepfakeによる顔偽造がソーシャルメディア上で広く広まり、深刻な社会問題を引き起こしている。 近年, 顔の偽造検出が研究のホットスポットとなり, これまで多くの手法が提案されてきた。 しかし,低品質・多種多様な画像に対して,既存手法の検出性能はまだまだ不十分である。 本稿では,二重注意機構によるxceptionの改良と,顔偽造検出のための特徴融合を提案する。 元のXceptionモデルと異なり、コンボリューションの異なるレベルを用いて顔画像の異なる高セマンティックな特徴を抽出し、それらの高セマンティックな特徴を洗練・再構成するために、畳み込みブロックアテンションモジュールと特徴融合を導入する。 出口流では,自己認識機構と深度分離可能な畳み込みを用いて,融合した特徴のグローバル情報と局所情報を別々に学習し,提案モデルの能力の分類を改善する。 3つのDeepfakeデータセットで評価した実験結果から,提案手法はXceptionの他,有効性と一般化能力の両面で優れていることが示された。

関連論文リスト

• HFMF: Hierarchical Fusion Meets Multi-Stream Models for Deepfake Detection [4.908389661988192]
  HFMFは総合的な2段階のディープフェイク検出フレームワークである。 視覚変換器と畳み込みネットを階層的特徴融合機構を通じて統合する。 私たちのアーキテクチャは、多様なデータセットベンチマークで優れたパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2025-01-10T00:20:29Z)
• DiffusionFake: Enhancing Generalization in Deepfake Detection via Guided Stable Diffusion [94.46904504076124]
  ディープフェイク技術は、顔交換を極めて現実的にし、偽造された顔コンテンツの使用に対する懸念を高めている。 既存の方法は、顔操作の多様な性質のため、目に見えない領域に一般化するのに苦労することが多い。 顔偽造者の生成過程を逆転させて検出モデルの一般化を促進する新しいフレームワークであるDiffusionFakeを紹介する。
  論文  参考訳（メタデータ） (2024-10-06T06:22:43Z)
• Text Modality Oriented Image Feature Extraction for Detecting Diffusion-based DeepFake [32.237169711785896]
  拡散ベースのDeepFakesは、オンライン情報の完全性と安全性に重大なリスクをもたらす。 テキストモダリティ指向の特徴抽出手法TOFEを提案する。 10種類の拡散型を対象に実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-05-28T11:29:30Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  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)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• 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)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• MMLatch: Bottom-up Top-down Fusion for Multimodal Sentiment Analysis [84.7287684402508]
  マルチモーダル融合に対する最近のディープラーニングアプローチは、ハイレベルおよびミドルレベルの潜在モダリティ表現のボトムアップ融合に依存している。 人間の知覚モデルでは、高レベルの表現が感覚入力の知覚に影響を及ぼすトップダウン融合の重要性を強調している。 本稿では,ネットワークトレーニング中のフォワードパスにおけるフィードバック機構を用いて,トップダウンのクロスモーダルインタラクションをキャプチャするニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-24T17:48:04Z)
• Attentive Semantic Exploring for Manipulated Face Detection [12.635690519021555]
  識別的欠陥や歪みがこれらのフラグメントと密接に関連していることから,画像のセグメンテーションを意味的フラグメントに分割することが有効である可能性が示唆された。 本稿では,多レベル顔意味とカスケード注意機構に基づく顔検出手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T17:08:56Z)

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。