論文の概要: Using Deep Learning to Detecting Deepfakes
- arxiv url: http://arxiv.org/abs/2207.13644v1
- Date: Wed, 27 Jul 2022 17:05:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-28 12:51:21.215742
- Title: Using Deep Learning to Detecting Deepfakes
- Title(参考訳): ディープラーニングによるディープフェイクの検出
- Authors: Jacob Mallet, Rushit Dave, Naeem Seliya, Mounika Vanamala
- Abstract要約: ディープフェイク(Deepfakes)とは、ある人物の顔を別のコンピュータが生成した顔に置き換えるビデオまたは画像である。
このオンライン脅威に対抗するために、研究者たちはディープフェイクを検出するモデルを開発した。
本研究では、ディープラーニングアルゴリズムを用いて、この略奪的な脅威に対処する様々なディープフェイク検出モデルについて検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the recent years, social media has grown to become a major source of
information for many online users. This has given rise to the spread of
misinformation through deepfakes. Deepfakes are videos or images that replace
one persons face with another computer-generated face, often a more
recognizable person in society. With the recent advances in technology, a
person with little technological experience can generate these videos. This
enables them to mimic a power figure in society, such as a president or
celebrity, creating the potential danger of spreading misinformation and other
nefarious uses of deepfakes. To combat this online threat, researchers have
developed models that are designed to detect deepfakes. This study looks at
various deepfake detection models that use deep learning algorithms to combat
this looming threat. This survey focuses on providing a comprehensive overview
of the current state of deepfake detection models and the unique approaches
many researchers take to solving this problem. The benefits, limitations, and
suggestions for future work will be thoroughly discussed throughout this paper.
- Abstract(参考訳): 近年、ソーシャルメディアは多くのオンラインユーザーにとって主要な情報源となっている。
これはディープフェイクを通じて誤情報の拡散を引き起こした。
ディープフェイク(Deepfakes)とは、ある人物の顔を別のコンピュータが生成した顔に置き換えるビデオまたは画像である。
最近の技術進歩により、技術経験の少ない人がこれらのビデオを生成することができる。
これにより、大統領や有名人といった社会の権力者を模倣し、誤情報の拡散やディープフェイクの悪用を潜在的に危険にさらすことができる。
このオンライン脅威に対抗するために、研究者たちはディープフェイクを検出するモデルを開発した。
本研究では,この脅威に対処するために,ディープラーニングアルゴリズムを用いた様々なディープフェイク検出モデルについて検討する。
本調査は,deepfake検出モデルの現状と,この問題を解決するために多くの研究者が採用するユニークなアプローチの包括的概要を提供することに重点を置いている。
今後の作業に対するメリット,制限,提案については,本論文を通じて詳しく論じる。
関連論文リスト
- Comparative Analysis of Deep-Fake Algorithms [0.0]
ディープフェイク(Deepfakes)は、ディープラーニングベースのフェイクビデオとしても知られており、近年大きな関心を集めている。
これらのディープフェイクビデオは、誤った情報を広めたり、個人を偽装したり、フェイクニュースを作るといった悪質な目的で使用することができる。
ディープフェイク検出技術は、顔認識、モーション分析、音声と視覚の同期といった様々なアプローチを使用する。
論文 参考訳(メタデータ) (2023-09-06T18:17:47Z) - Discussion Paper: The Threat of Real Time Deepfakes [7.714772499501984]
ディープフェイクは偽情報の拡散、詐欺、詐欺、無実の脅迫に使われている。
本稿では,この脅威がもたらす意味を論じ,これらの攻撃を防ぐための課題を特定し,より強力な防御策を研究するためのより良い方向性を提案する。
論文 参考訳(メタデータ) (2023-06-04T21:40:11Z) - Hybrid Deepfake Detection Utilizing MLP and LSTM [0.0]
ディープフェイク(deepfake)は、最新の技術進歩にともなう発明である。
本稿では,2つのディープラーニングアルゴリズムを用いた新しいディープフェイク検出方式を提案する。
我々は、140k RealとFake Facesというデータセットを使用して、74.7%の精度で、ディープフェイクによって変化した画像を検出する。
論文 参考訳(メタデータ) (2023-04-21T16:38:26Z) - Deepfake Detection Analyzing Hybrid Dataset Utilizing CNN and SVM [0.0]
本稿では,2つの機械学習アルゴリズムを用いた新しいディープフェイク検出方式を提案する。
最近、Deepfakesはテクノロジーの進歩とともに上昇し、悪名高いオンラインユーザーが、自分の好きな人の顔をコンピューターで作り替えることを可能にした。
論文 参考訳(メタデータ) (2023-01-27T01:00:39Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳(メタデータ) (2022-12-12T02:54:08Z) - DeePhy: On Deepfake Phylogeny [58.01631614114075]
DeePhyは、新しいDeepfake Phylogenyデータセットである。
6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
論文 参考訳(メタデータ) (2022-09-19T15:30:33Z) - Robust Deepfake On Unrestricted Media: Generation And Detection [46.576556314444865]
近年のディープラーニングの進歩は、ディープフェイク生成の大幅な改善につながっている。
この章では、ディープフェイクの生成と検出の進化と課題について論じる。
論文 参考訳(メタデータ) (2022-02-13T06:53:39Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳(メタデータ) (2021-08-01T08:54:47Z) - Deep Insights of Deepfake Technology : A Review [0.0]
新たな技術によって、誰にでもリアルで偽の動画、画像、さらには音声を操作できるようになりました。
Deepfake TechnologyはDeepfake Technologyとして広く知られています。
私たちの研究は、Deepfakeが社会にとって脅威であるにもかかわらず、適切な措置と厳格な規制がこれを防ぐことができることを明らかにしました。
論文 参考訳(メタデータ) (2021-05-01T08:25:43Z) - WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [73.61769046989258]
近年、ディープフェイク(deepfake deepfake)と呼ばれるフェイススワップ技術が悪用され、人々の関心が高まっている。
ディープフェイクに対する有望な対策はディープフェイク検出です。
deepfake検出器のトレーニングとテストをサポートするために、いくつかのdeepfakeデータセットがリリースされた。
インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介します。
論文 参考訳(メタデータ) (2021-01-05T11:10:32Z) - Artificial Fingerprinting for Generative Models: Rooting Deepfake
Attribution in Training Data [64.65952078807086]
光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。
しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。
我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
論文 参考訳(メタデータ) (2020-07-16T16:49:55Z)
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。