論文の概要: Deepfake: Definitions, Performance Metrics and Standards, Datasets and
Benchmarks, and a Meta-Review
- arxiv url: http://arxiv.org/abs/2208.10913v1
- Date: Sun, 21 Aug 2022 17:31:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 12:19:08.030240
- Title: Deepfake: Definitions, Performance Metrics and Standards, Datasets and
Benchmarks, and a Meta-Review
- Title(参考訳): Deepfake: 定義、パフォーマンスメトリクスと標準、データセットとベンチマーク、メタレビュー
- Authors: Enes Altuncu, Virginia N. L. Franqueira and Shujun Li
- Abstract要約: AIの最近の進歩、特にディープラーニングは、新しい現実的な合成メディアの作成に大きく貢献している。
本稿では,1) 異なる定義,2) 一般的に使用されているパフォーマンス指標と標準,3) ディープフェイクに関連するデータセット,課題,コンペティション,ベンチマークなど,新しい概念の複数の重要な側面について概説する。
我々は,本論文が深層ケーキを網羅的に網羅したレビューであり,まず英語と中国語の両方の文献と資料を網羅したレビューであると考えている。
- 参考スコア(独自算出の注目度): 1.697342683039794
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advancements in AI, especially deep learning, have contributed to a
significant increase in the creation of new realistic-looking synthetic media
(video, image, and audio) and manipulation of existing media, which has led to
the creation of the new term ``deepfake''. Based on both the research
literature and resources in English and in Chinese, this paper gives a
comprehensive overview of deepfake, covering multiple important aspects of this
emerging concept, including 1) different definitions, 2) commonly used
performance metrics and standards, and 3) deepfake-related datasets,
challenges, competitions and benchmarks. In addition, the paper also reports a
meta-review of 12 selected deepfake-related survey papers published in 2020 and
2021, focusing not only on the mentioned aspects, but also on the analysis of
key challenges and recommendations. We believe that this paper is the most
comprehensive review of deepfake in terms of aspects covered, and the first one
covering both the English and Chinese literature and sources.
- Abstract(参考訳): 近年のAIの進歩、特にディープラーニングは、新しい現実的な合成メディア(ビデオ、画像、音声)の作成と既存のメディアの操作に大きく貢献し、「ディープフェイク」という用語が作られた。
本論文は、英語と中国語の両方の研究文献と資源に基づいて、この新興概念の重要な側面を網羅した、ディープフェイクの概要を概観する。
1)異なる定義。
2 一般的に用いられる性能指標及び基準、及び
3)deepfake関連のデータセット、チャレンジ、コンペティション、ベンチマーク。
さらに、2020年と2021年に発表された12のdeepfake関連調査論文のメタレビューも報告しており、上記の側面だけでなく、重要な課題や推奨事項の分析にも焦点を当てている。
この論文は、deepfakeの最も包括的なレビューであり、最初のレビューは英語と中国語の文献と情報源の両方をカバーしている。
関連論文リスト
- Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳(メタデータ) (2023-11-12T06:32:30Z) - On the Hidden Mystery of OCR in Large Multimodal Models [133.09809647230475]
テキスト関連視覚タスクにおいて, GPT4V や Gemini などの大規模マルチモーダルモデルの包括的評価を行った。
我々の研究は29のデータセットを含んでおり、最も包括的なOCR評価ベンチマークが利用可能になっている。
論文 参考訳(メタデータ) (2023-05-13T11:28:37Z) - Named Entity Recognition Based Automatic Generation of Research
Highlights [3.9410617513331863]
我々は,研究論文の異なるセクションを入力として,研究ハイライトを自動的に生成することを目指している。
入力に名前付きエンティティ認識を用いることで、生成したハイライトの品質が向上するかどうかを検討する。
論文 参考訳(メタデータ) (2023-02-25T16:33:03Z) - CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
CiteBenchは引用テキスト生成のベンチマークである。
CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
論文 参考訳(メタデータ) (2022-12-19T16:10:56Z) - Deep Depth Completion: A Survey [26.09557446012222]
我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。
ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。
室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
論文 参考訳(メタデータ) (2022-05-11T08:24:00Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳(メタデータ) (2020-08-02T00:09:03Z) - From Standard Summarization to New Tasks and Beyond: Summarization with
Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。
現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。
本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文 参考訳(メタデータ) (2020-05-10T14:59:36Z) - Recognizing Families In the Wild: White Paper for the 4th Edition Data
Challenge [91.55319616114943]
本稿では,Recognizing Families In the Wild(RFIW)評価における支援課題(親族検証,三対象検証,行方不明児の検索・検索)を要約する。
本研究の目的は、2020年のRFIWチャレンジと、将来的な方向性の予測について述べることである。
論文 参考訳(メタデータ) (2020-02-15T02:22:42Z) - A Survey on Machine Reading Comprehension Systems [1.5293427903448022]
本稿では,機械読解システムの様々な側面に関する総合的な調査を行う。
我々は,2016年から2020年までの241件のレビュー論文をもとに,この分野の最近の傾向を概説する。
本研究は,近年,回答抽出から回答生成へと研究の焦点が変化していることを示すものである。
論文 参考訳(メタデータ) (2020-01-06T13:54:06Z)
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。