論文の概要: FrePGAN: Robust Deepfake Detection Using Frequency-level Perturbations

• arxiv url: http://arxiv.org/abs/2202.03347v1
• Date: Mon, 7 Feb 2022 16:45:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-08 16:02:44.057387
• Title: FrePGAN: Robust Deepfake Detection Using Frequency-level Perturbations
• Title（参考訳）: FrePGAN:周波数レベルの摂動を用いたロバストディープフェイク検出
• Authors: Yonghyun Jeong, Doyeon Kim, Youngmin Ro, Jongwon Choi
• Abstract要約: 我々は、既知のGANモデルと見えないGANモデルの両方に対してディープフェイク検出器を一般化するためのフレームワークを設計する。 本フレームワークは,実画像と区別できないような周波数レベルの摂動マップを生成する。 実験のために、GANモデル、色操作、オブジェクトカテゴリのトレーニング設定から異なる新しいテストシナリオを設計する。
• 参考スコア（独自算出の注目度）: 12.027711542565315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Various deepfake detectors have been proposed, but challenges still exist to detect images of unknown categories or GAN models outside of the training settings. Such issues arise from the overfitting issue, which we discover from our own analysis and the previous studies to originate from the frequency-level artifacts in generated images. We find that ignoring the frequency-level artifacts can improve the detector's generalization across various GAN models, but it can reduce the model's performance for the trained GAN models. Thus, we design a framework to generalize the deepfake detector for both the known and unseen GAN models. Our framework generates the frequency-level perturbation maps to make the generated images indistinguishable from the real images. By updating the deepfake detector along with the training of the perturbation generator, our model is trained to detect the frequency-level artifacts at the initial iterations and consider the image-level irregularities at the last iterations. For experiments, we design new test scenarios varying from the training settings in GAN models, color manipulations, and object categories. Numerous experiments validate the state-of-the-art performance of our deepfake detector.
• Abstract（参考訳）: 様々なディープフェイク検出器が提案されているが、トレーニング設定外の未知のカテゴリやGANモデルのイメージを検出することは依然として課題である。 このような問題は、私たち自身の分析と過去の研究から、生成された画像の周波数レベルのアーティファクトから得られたオーバーフィッティング問題に端を発する。 周波数レベルのアーティファクトを無視することで、様々なGANモデルにわたる検出器の一般化を改善することができるが、訓練されたGANモデルのモデルの性能を低下させることができる。 そこで我々は,未知のGANモデルと未知のGANモデルの両方に対してディープフェイク検出器を一般化する枠組みを設計する。 本フレームワークは,実画像と区別できないような周波数レベルの摂動マップを生成する。 deepfake検出器を摂動発生器のトレーニングとともに更新することにより、初期イテレーションで周波数レベルのアーティファクトを検出し、最後のイテレーションでイメージレベルの不規則性を検討するように訓練する。 実験のために、GANモデル、色操作、オブジェクトカテゴリのトレーニング設定から異なる新しいテストシナリオを設計する。 ディープフェイク検出器の最先端性能を検証する実験が数多く行われた。

関連論文リスト

• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• FakeInversion: Learning to Detect Images from Unseen Text-to-Image Models by Inverting Stable Diffusion [18.829659846356765]
  本稿では,オープンソース事前学習型安定拡散モデルを用いて得られた特徴を用いた新しい合成画像検出器を提案する。 これらの逆転により、検出器は高視力の未確認発電機によく一般化できることが示される。 本稿では, 逆画像探索を用いて, 検出器評価におけるスタイリスティックおよびテーマバイアスを緩和する, 新たな挑戦的評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-06-12T19:14:58Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
  我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。 この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
  論文  参考訳（メタデータ） (2023-12-16T14:27:06Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• 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)
• Misleading Deep-Fake Detection with GAN Fingerprints [14.459389888856412]
  敵は、生成した画像の周波数スペクトルから直接、表現的アーティファクトであるGAN指紋を除去できることを示す。 以上の結果から,敵対者がしばしばGAN指紋を除去し,生成画像の検出を回避できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-25T07:32:12Z)
• Exploring the Asynchronous of the Frequency Spectra of GAN-generated Facial Images [19.126496628073376]
  カラーチャネルの非同期周波数スペクトルを探索する新しい手法を提案する。これは、教師なし学習モデルと教師なし学習モデルの両方を訓練し、GANに基づく合成画像の識別に有効である。 実験結果から,周波数領域におけるスペクトルの差は,様々な種類のGAN生成画像の検出に有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-12-15T11:34:11Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)
• 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)

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。