論文の概要: Open-Eye: An Open Platform to Study Human Performance on Identifying
AI-Synthesized Faces
- arxiv url: http://arxiv.org/abs/2205.06680v1
- Date: Fri, 13 May 2022 14:30:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 13:40:08.155121
- Title: Open-Eye: An Open Platform to Study Human Performance on Identifying
AI-Synthesized Faces
- Title（参考訳）: Open-Eye:AI合成顔の識別で人的パフォーマンスを研究するオープンプラットフォーム
- Authors: Hui Guo, Shu Hu, Xin Wang, Ming-Ching Chang, Siwei Lyu
- Abstract要約: 我々は、AI合成顔検出の人的パフォーマンスを研究するために、Open-eyeと呼ばれるオンラインプラットフォームを開発した。
本稿では,オープンアイの設計とワークフローについて述べる。
- 参考スコア（独自算出の注目度）: 51.56417104929796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-synthesized faces are visually challenging to discern from real ones. They
have been used as profile images for fake social media accounts, which leads to
high negative social impacts. Although progress has been made in developing
automatic methods to detect AI-synthesized faces, there is no open platform to
study the human performance of AI-synthesized faces detection. In this work, we
develop an online platform called Open-eye to study the human performance of
AI-synthesized face detection. We describe the design and workflow of the
Open-eye in this paper.
- Abstract（参考訳）: AI合成顔は、実際の顔と区別することが視覚的に難しい。
偽のソーシャルメディアアカウントのプロフィール画像として使われており、社会に悪影響を及ぼしている。
AI合成顔を検出する自動手法の開発は進展しているが、AI合成顔検出の人間のパフォーマンスを研究するためのオープンプラットフォームは存在しない。
本研究では,AI合成顔検出の人的パフォーマンスを研究するために,Open-eyeというオンラインプラットフォームを開発した。
本稿では,オープンアイの設計とワークフローについて述べる。
関連論文リスト
- Analysis of Human Perception in Distinguishing Real and AI-Generated Faces: An Eye-Tracking Based Study [6.661332913985627]
本研究では,人間がどのように実像と偽像を知覚し,区別するかを検討する。
StyleGAN-3生成画像を解析したところ、参加者は76.80%の平均精度で偽の顔と現実を区別できることがわかった。
論文 参考訳（メタデータ） (2024-09-23T19:34:30Z) - AI-Face: A Million-Scale Demographically Annotated AI-Generated Face Dataset and Fairness Benchmark [12.368133562194267]
AI-Faceデータセットは、人口統計学的にアノテートされた最初のAI生成顔画像データセットである。
このデータセットに基づいて、さまざまなAI顔検出装置を評価するために、最初の総合的公正度ベンチマークを行う。
論文 参考訳（メタデータ） (2024-06-02T15:51:33Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Finding AI-Generated Faces in the Wild [9.390562437823078]
私たちは、AIが生成した顔と実際の顔を区別する、より狭いタスクに重点を置いています。
これは、不正なオンラインアカウントを偽のユーザープロフィール写真で扱う場合に特に当てはまる。
顔のみに焦点を合わせることで、よりレジリエントで汎用的なアーティファクトを検出することができることを示す。
論文 参考訳（メタデータ） (2023-11-14T22:46:01Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。
既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
論文 参考訳（メタデータ） (2023-09-26T07:16:39Z) - BLADERUNNER: Rapid Countermeasure for Synthetic (AI-Generated) StyleGAN
Faces [0.0]
StyleGANはNVIDIAが開発したオープンソース実装である。
サイバー&インフォメーションオペレーションに対するAI/MLの関連性について調査する。
Project Blade RunnerはStyleGANイメージに対抗するために必要な2つのスクリプトを含んでいる。
論文 参考訳（メタデータ） (2022-10-12T21:05:35Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z)
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。