論文の概要: ForgeryNet -- Face Forgery Analysis Challenge 2021: Methods and Results
- arxiv url: http://arxiv.org/abs/2112.08325v1
- Date: Wed, 15 Dec 2021 18:17:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-16 14:34:47.062545
- Title: ForgeryNet -- Face Forgery Analysis Challenge 2021: Methods and Results
- Title（参考訳）: ForgeryNet -- Face Forgery Analysis Challenge 2021: メソッドと結果
- Authors: Yinan He, Lu Sheng, Jing Shao, Ziwei Liu, Zhaofan Zou, Zhizhi Guo,
Shan Jiang, Curitis Sun, Guosheng Zhang, Keyao Wang, Haixiao Yue, Zhibin
Hong, Wanguo Wang, Zhenyu Li, Qi Wang, Zhenli Wang, Ronghao Xu, Mingwen
Zhang, Zhiheng Wang, Zhenhang Huang, Tianming Zhang, Ningning Zhao
- Abstract要約: 本稿ではForgeryNetベンチマークを用いたForgeryNet - Face Forgery Analysis Challenge 2021の手法と結果を報告する。
合計186人の参加者が参加し、11チームが有効な応募を行った。
- 参考スコア（独自算出の注目度）: 34.73701165667725
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The rapid progress of photorealistic synthesis techniques has reached a
critical point where the boundary between real and manipulated images starts to
blur. Recently, a mega-scale deep face forgery dataset, ForgeryNet which
comprised of 2.9 million images and 221,247 videos has been released. It is by
far the largest publicly available in terms of data-scale, manipulations (7
image-level approaches, 8 video-level approaches), perturbations (36
independent and more mixed perturbations), and annotations (6.3 million
classification labels, 2.9 million manipulated area annotations, and 221,247
temporal forgery segment labels). This paper reports methods and results in the
ForgeryNet - Face Forgery Analysis Challenge 2021, which employs the ForgeryNet
benchmark. The model evaluation is conducted offline on the private test set. A
total of 186 participants registered for the competition, and 11 teams made
valid submissions. We will analyze the top-ranked solutions and present some
discussion on future work directions.
- Abstract（参考訳）: フォトリアリスティック合成技術の急速な進歩は、実画像と操作画像の境界がぼやけ始める臨界点に達している。
最近,290万枚の画像と221,247本の動画からなる大規模深層顔偽造データセットForgeryNetがリリースされた。
データスケール、操作(7つの画像レベルのアプローチ、8つのビデオレベルのアプローチ)、摂動(36の独立性、より混合的な摂動)、アノテーション(630万の分類ラベル、290万の操作された地域アノテーション、221,247の時間的フォージェリーセグメントラベル)の点で、はるかに大きい。
本稿では,forgerynet ベンチマークを用いた forgerynet - face forgery analysis challenge 2021 の手法と結果について報告する。
モデル評価は、プライベートテストセット上でオフラインで行われる。
合計186人の参加者が参加し、11チームが有効な応募を行った。
トップランクのソリューションを分析し,今後の作業の方向性についていくつか議論する。
関連論文リスト
- AIM 2022 Challenge on Instagram Filter Removal: Methods and Results [66.98814754338841]
本稿では,Instagramフィルタ除去におけるAIM 2022チャレンジの方法と結果を紹介する。
この課題の主な目的は、コンテンツを保存する際に適用されたフィルタの影響を緩和する、現実的で視覚的に可視な画像を作ることである。
ベースラインとしてこのタスクに関する2つの先行研究があり、チャレンジの最終段階では合計9つのチームが競い合っています。
論文 参考訳（メタデータ） (2022-10-17T12:21:59Z) - Results and findings of the 2021 Image Similarity Challenge [43.79331237080075]
2021年のイメージ類似性チャレンジでは、最新の画像コピー検出方法を評価するための新しいベンチマークとしてデータセットが導入された。
本稿では,トップ・サブミッションの定量的,定性的な分析について述べる。
論文 参考訳（メタデータ） (2022-02-08T17:23:32Z) - Towards Good Practices for Efficiently Annotating Large-Scale Image
Classification Datasets [90.61266099147053]
多数の画像の分類ラベルを収集するための効率的なアノテーション戦略を検討する。
人間のラベリング作業を最小化するための修正とベストプラクティスを提案します。
ImageNet100の125kイメージサブセットのシミュレーション実験では、平均で0.35のアノテーションで80%のトップ-1の精度でアノテートできることが示されている。
論文 参考訳（メタデータ） (2021-04-26T16:29:32Z) - ForgeryNet: A Versatile Benchmark for Comprehensive Forgery Analysis [36.49022293347066]
ForgeryNetは、画像およびビデオレベルのデータに統一アノテーションを付加した、非常に大きな顔フォージェリデータセットである。
ForgeryNetは、データスケールという点では、これまでで最大の、公開可能なディープフェイスフォージェリデータセットである。
論文 参考訳（メタデータ） (2021-03-09T18:58:32Z) - Contemplating real-world object classification [53.10151901863263]
Barbuらが最近提案したObjectNetデータセットを再分析した。
日常の状況に物を含むこと。
分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
論文 参考訳（メタデータ） (2021-03-08T23:29:59Z) - DeeperForensics Challenge 2020 on Real-World Face Forgery Detection:
Methods and Results [144.5252578415748]
本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。
この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。
115人の参加者が参加し、25のチームが有効な応募を行った。
論文 参考訳（メタデータ） (2021-02-18T16:48:57Z) - Large-Scale Object Detection in the Wild from Imbalanced Multi-Labels [128.77822070156057]
本研究では,対象物が明示的にあるいは暗黙的に複数のラベルを持つ可能性のあるラベル問題を定量的に解析する。
ラベルの不均衡に対処するために,ハイブリッドトレーニングスケジューラを用いたソフトサンプリング手法を提案する。
提案手法は3.34点の劇的な改善を実現し,オープンイメージの公開オブジェクト検出テストセット上で60.90mAPの最高の単一モデルを実現する。
論文 参考訳（メタデータ） (2020-05-18T04:36:36Z)
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。