論文の概要: A Novel Framework for Assessment of Learning-based Detectors in Realistic Conditions with Application to Deepfake Detection

• arxiv url: http://arxiv.org/abs/2203.11797v1
• Date: Tue, 22 Mar 2022 15:03:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 15:19:16.510772
• Title: A Novel Framework for Assessment of Learning-based Detectors in Realistic Conditions with Application to Deepfake Detection
• Title（参考訳）: 実戦環境下での学習ベース検出器評価のための新しいフレームワークとディープフェイク検出への応用
• Authors: Yuhang Lu, Ruizhi Luo, Touradj Ebrahimi
• Abstract要約: 本稿では,より現実的な状況下での学習ベース検出器の性能を評価するための厳密な枠組みを提案する。 評価結果に触発されて、自然な画像劣化プロセスに基づくデータ拡張戦略を設計する。
• 参考スコア（独自算出の注目度）: 11.287342793740876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep convolutional neural networks have shown remarkable results on multiple detection tasks. Despite the significant progress, the performance of such detectors are often assessed in public benchmarks under non-realistic conditions. Specifically, impact of conventional distortions and processing operations such as compression, noise, and enhancement are not sufficiently studied. This paper proposes a rigorous framework to assess performance of learning-based detectors in more realistic situations. An illustrative example is shown under deepfake detection context. Inspired by the assessment results, a data augmentation strategy based on natural image degradation process is designed, which significantly improves the generalization ability of two deepfake detectors.
• Abstract（参考訳）: 深い畳み込みニューラルネットワークは、複数の検出タスクで顕著な結果を示している。 著しい進歩にもかかわらず、そのような検出器の性能はしばしば非現実的条件下での公開ベンチマークで評価される。 具体的には、従来の歪みや圧縮、ノイズ、エンハンスメントなどの処理操作の影響は十分に研究されていない。 本稿では,より現実的な状況下での学習ベース検出器の性能を評価するための厳密な枠組みを提案する。 ディープフェイク検出コンテキスト(deepfake detection context)の下の例を示す。 評価結果に触発されて,2つのディープフェイク検出器の一般化能力を大幅に向上させる自然画像劣化過程に基づくデータ拡張戦略を考案した。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
  クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。 既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。 顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
  論文  参考訳（メタデータ） (2023-09-30T12:30:25Z)
• 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)
• Assessment Framework for Deepfake Detection in Real-world Situations [13.334500258498798]
  ディープラーニングに基づくディープフェイク検出手法は優れた性能を示した。 様々な画像処理操作と典型的なワークフロー歪みが検出精度に与える影響は, 体系的に測定されていない。 より現実的な環境下での学習に基づくディープフェイク検出の性能を評価するために,より信頼性の高い評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-12T19:09:22Z)
• Impact of Video Processing Operations in Deepfake Detection [13.334500258498798]
  ビデオにおけるデジタル顔の操作は、公衆の信頼のリスクが増大したため、広く注目を集めている。 ディープラーニングに基づくディープフェイク検出法が開発され,優れた結果が得られた。 これらの検出器の性能は、現実世界の状況をほとんど反映しないベンチマークを用いて評価されることが多い。
  論文  参考訳（メタデータ） (2023-03-30T09:24:17Z)
• 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)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• A New Approach to Improve Learning-based Deepfake Detection in Realistic Conditions [13.334500258498798]
  深層畳み込みニューラルネットワークは、複数の検出および認識タスクにおいて例外的な結果を得た。 圧縮, ノイズ, エンハンスメントなどの画像にみられる従来の歪みや処理操作の影響は十分に研究されていない。 本稿では,実世界の画像劣化プロセスに基づく,より効率的なデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T15:16:54Z)
• Impact of Benign Modifications on Discriminative Performance of Deepfake Detectors [11.881119750753648]
  このような内容を特定するために、近年、多くのディープフェイク検出器が提案されている。 ディープフェイクは、エンターテイメントのような忠実なアプリケーションと、画像やビデオの偽造のような悪意ある意図された操作の両方で人気がある。 本稿では,より現実的な状況下でのディープフェイク検出器の性能を評価するための,より厳密で体系的な枠組みを提案する。
  論文  参考訳（メタデータ） (2021-11-14T22:50:39Z)
• Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
  ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。 本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。 画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
  論文  参考訳（メタデータ） (2021-06-18T16:34:23Z)
• Lips Don't Lie: A Generalisable and Robust Approach to Face Forgery Detection [118.37239586697139]
  LipForensicsは、操作の一般化と様々な歪みに耐えられる検出アプローチである。 視覚的音声認識(リリーディング)を行うために、初めて時間ネットワークを事前訓練する。 その後、リアルタイムおよび偽造データの固定された口埋め込みに時間的ネットワークを微調整し、低レベルな操作固有のアーティファクトに過度に適合することなく、口の動きに基づいて偽のビデオを検出する。
  論文  参考訳（メタデータ） (2020-12-14T15:53:56Z)

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。