Fugu-MT 論文翻訳(概要): A Machine Learning Approach for DeepFake Detection

論文の概要: A Machine Learning Approach for DeepFake Detection

arxiv url: http://arxiv.org/abs/2209.13792v1
Date: Wed, 28 Sep 2022 02:46:04 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 17:04:43.776810
Title: A Machine Learning Approach for DeepFake Detection
Title（参考訳）: ディープフェイク検出のための機械学習アプローチ
Authors: Gustavo Cunha Lacerda, Raimundo Claudio da Silva Vasconcelos
Abstract要約: 本稿では,畳み込みニューラルネットワークを用いたディープフェイクの検出と,その目的で開発されたデータセットであるCeleb-DFを提案する。その結果、これらの画像の分類において、95%の精度で、提案したモデルは、将来発生する操作技術において、より良い結果を得るために調整される可能性があり、その状態にあるものに近いことが判明した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the spread of DeepFake techniques, this technology has become quite accessible and good enough that there is concern about its malicious use. Faced with this problem, detecting forged faces is of utmost importance to ensure security and avoid socio-political problems, both on a global and private scale. This paper presents a solution for the detection of DeepFakes using convolution neural networks and a dataset developed for this purpose - Celeb-DF. The results show that, with an overall accuracy of 95% in the classification of these images, the proposed model is close to what exists in the state of the art with the possibility of adjustment for better results in the manipulation techniques that arise in the future.
Abstract（参考訳）: ディープフェイク技術の普及により、この技術は非常にアクセスしやすくなり、悪質な使用が懸念されるほどになった。この問題に直面して、偽造された顔を検出することは、安全を確保し、世界規模と民間規模の両方で社会政治的問題を避けるために最も重要である。本稿では,畳み込みニューラルネットワークを用いたディープフェイクの検出と,この目的のために開発されたデータセットを提案する。その結果、これらの画像の分類において、95%の精度で、提案したモデルは、将来発生する操作技術において、より良い結果を得るために調整される可能性があり、その状態にあるものに近いことがわかった。

関連論文リスト

Semantics-Oriented Multitask Learning for DeepFake Detection: A Joint Embedding Approach [77.65459419417533]
本稿ではセマンティクス指向のDeepFake検出タスクをサポートするための自動データセット拡張手法を提案する。また,顔画像とそれに対応するラベルを併用して予測を行う。提案手法は,DeepFake検出の一般化性を向上し,人間の理解可能な説明を提供することで,ある程度のモデル解釈を行う。
論文参考訳（メタデータ） (2024-08-29T07:11:50Z)
GazeForensics: DeepFake Detection via Gaze-guided Spatial Inconsistency Learning [63.547321642941974]
本稿では,3次元視線推定モデルから得られた視線表現を利用する,革新的なDeepFake検出手法であるGazeForensicsを紹介する。実験の結果,提案したGazeForensicsは現在の最先端手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-11-13T04:48:33Z)
Facial Forgery-based Deepfake Detection using Fine-Grained Features [7.378937711027777]
ディープフェイクによる顔の偽造は、大きなセキュリティリスクを引き起こし、深刻な社会的懸念を引き起こしている。我々は,詳細な分類問題としてディープフェイク検出を定式化し,それに対する新たなきめ細かな解を提案する。本手法は, 背景雑音を効果的に抑制し, 様々なスケールの識別特徴を学習することにより, 微妙で一般化可能な特徴を学習し, 深度検出を行う。
論文参考訳（メタデータ） (2023-10-10T21:30:05Z)
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)
Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文参考訳（メタデータ） (2023-07-31T10:22:33Z)
Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
論文参考訳（メタデータ） (2023-03-15T08:27:56Z)
An Experimental Evaluation on Deepfake Detection using Deep Face Recognition [0.0]
ディープラーニングは、ディープフェイク(deepfakes)として知られる非常に現実的なフェイクコンテンツを生み出した。現在のディープフェイク検出法のほとんどは、2クラス畳み込みニューラルネットワーク(CNN)を用いた偽のイメージやビデオとを区別する二項分類問題と見なされている。本稿では,異なる損失関数とディープフェイク生成技術を用いて,ディープフェイク識別におけるディープフェイク認識の有効性を徹底的に評価する。
論文参考訳（メタデータ） (2021-10-04T18:02:56Z)
Towards Generalizable and Robust Face Manipulation Detection via Bag-of-local-feature [55.47546606878931]
そこで本稿では,局所的特徴の一般化能力とロバスト性を向上する顔の操作検出手法を提案する。具体的には、パッチ間関係をエンコードするためにbag-of-featureアプローチを使ってトランスフォーマーを拡張し、明示的な監督なしにローカルな偽造機能を学ぶことができる。
論文参考訳（メタデータ） (2021-03-14T12:50:48Z)
Improving DeepFake Detection Using Dynamic Face Augmentation [0.8793721044482612]
ほとんどの公開可能なDeepFake検出データセットには、限られたバリエーションがある。ディープニューラルネットワークは、DeepFakeコンテンツの操作機能を検出するための学習ではなく、顔の特徴にオーバーフィットする傾向があります。 DeepFake検出を改善するために、CNN(Convolutional Neural Networks)をトレーニングするためのデータ拡張方法であるFace-Cutoutを紹介します。
論文参考訳（メタデータ） (2021-02-18T20:25:45Z)
Fighting deepfakes by detecting GAN DCT anomalies [0.0]
最先端アルゴリズムはディープニューラルネットワークを使って偽のコンテンツを検出する。ディープフェイク画像の高精度判別が可能な新しい高速検出法を提案する。この手法は革新的であり、最先端技術を超え、説明可能性の観点から多くの洞察を与えている。
論文参考訳（メタデータ） (2021-01-24T19:45:11Z)
A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
論文参考訳（メタデータ） (2021-01-12T21:20:09Z)

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。