Fugu-MT 論文翻訳(概要): Towards Universal GAN Image Detection

論文の概要: Towards Universal GAN Image Detection

arxiv url: http://arxiv.org/abs/2112.12606v1
Date: Thu, 23 Dec 2021 14:49:27 GMT
ステータス: 処理完了
システム内更新日: 2021-12-24 16:39:47.816462
Title: Towards Universal GAN Image Detection
Title（参考訳）: ユニバーサルGAN画像検出に向けて
Authors: Davide Cozzolino, Diego Gragnaniello, Giovanni Poggi, Luisa Verdoliva
Abstract要約: 本稿では,限られたサブサンプリングアーキテクチャと適切なコントラスト学習パラダイムに基づく新しいGAN画像検出器を提案する。挑戦条件下で行った実験は、提案手法が普遍的なGAN画像検出への第一歩であることを証明している。
参考スコア（独自算出の注目度）: 23.16954327372375
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The ever higher quality and wide diffusion of fake images have spawn a quest for reliable forensic tools. Many GAN image detectors have been proposed, recently. In real world scenarios, however, most of them show limited robustness and generalization ability. Moreover, they often rely on side information not available at test time, that is, they are not universal. We investigate these problems and propose a new GAN image detector based on a limited sub-sampling architecture and a suitable contrastive learning paradigm. Experiments carried out in challenging conditions prove the proposed method to be a first step towards universal GAN image detection, ensuring also good robustness to common image impairments, and good generalization to unseen architectures.
Abstract（参考訳）: より高品質で広範な偽画像の拡散は、信頼できる法医学ツールの探求を生み出している。近年、多くのGAN画像検出器が提案されている。しかし現実のシナリオでは、それらのほとんどは限定的な堅牢性と一般化能力を示している。さらに、テスト時に利用できないサイド情報、つまり普遍的ではないサイド情報に依存していることが多い。この問題を調査し,限定的なサブサンプリングアーキテクチャと適切なコントラスト学習パラダイムに基づく新しいgan画像検出手法を提案する。難解な条件下で実施した実験により,提案手法は汎用gan画像検出への第一歩となり,共通画像障害に対するロバスト性が向上し,非知覚アーキテクチャへの優れた一般化が得られた。

関連論文リスト

Present and Future Generalization of Synthetic Image Detectors [0.6144680854063939]
この研究は系統的な分析を行い、その洞察を用いて、堅牢な合成画像検出器の訓練のための実践的ガイドラインを開発する。モデル一般化機能は、実際のデプロイメント条件を含む、さまざまな設定で評価される。現在の手法は特定のシナリオにおいて優れているが、単一の検出器が普遍的な効果を達成できないことを示す。
論文参考訳（メタデータ） (2024-09-21T12:46:17Z)
Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
論文参考訳（メタデータ） (2024-07-29T18:00:10Z)
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)
Frequency Masking for Universal Deepfake Detection [25.844830329275613]
我々は、普遍的なディープフェイク検出について研究し、その目的は、様々な生成AIアプローチから合成画像を検出することである。最近提案されたマスク画像モデリングに触発された我々は、マスク画像モデリングを普遍的なディープフェイク検出のために初めて試みる。
論文参考訳（メタデータ） (2024-01-12T11:02:12Z)
Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
論文参考訳（メタデータ） (2023-07-21T08:58:49Z)
Towards Robust GAN-generated Image Detection: a Multi-view Completion Representation [27.483031588071942]
GAN生成画像検出は、ディープフェイクのようなマシン合成画像操作の悪意ある使用に対する最初の防御線となっている。本稿では,新しい多視点画像補完表現に基づくロバスト検出フレームワークを提案する。我々は,6つのGANに対して異なる解像度でフレームワークの一般化能力を評価し,その幅広い摂動攻撃に対する堅牢性を評価する。
論文参考訳（メタデータ） (2023-06-02T08:38:02Z)
SeeABLE: Soft Discrepancies and Bounded Contrastive Learning for Exposing Deepfakes [7.553507857251396]
本研究では,検出問題を(一級)アウト・オブ・ディストリビューション検出タスクとして形式化する,SeeABLEと呼ばれる新しいディープフェイク検出器を提案する。 SeeABLEは、新しい回帰ベースの有界コントラスト損失を使用して、乱れた顔を事前定義されたプロトタイプにプッシュする。我々のモデルは競合する最先端の検出器よりも高い性能を示しながら、高度に一般化能力を示す。
論文参考訳（メタデータ） (2022-11-21T09:38:30Z)
Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文参考訳（メタデータ） (2022-08-05T09:36:13Z)
Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
論文参考訳（メタデータ） (2021-05-29T21:22:24Z)
Fighting deepfakes by detecting GAN DCT anomalies [0.0]
最先端アルゴリズムはディープニューラルネットワークを使って偽のコンテンツを検出する。ディープフェイク画像の高精度判別が可能な新しい高速検出法を提案する。この手法は革新的であり、最先端技術を超え、説明可能性の観点から多くの洞察を与えている。
論文参考訳（メタデータ） (2021-01-24T19:45:11Z)
Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文参考訳（メタデータ） (2020-07-21T17:30:51Z)

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。