論文の概要: Cross-Domain Local Characteristic Enhanced Deepfake Video Detection

• arxiv url: http://arxiv.org/abs/2211.03346v1
• Date: Mon, 7 Nov 2022 07:44:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 17:31:29.809300
• Title: Cross-Domain Local Characteristic Enhanced Deepfake Video Detection
• Title（参考訳）: クロスドメイン局所特性強化ディープフェイクビデオ検出
• Authors: Zihan Liu, Hanyi Wang, Shilin Wang
• Abstract要約: ディープフェイク検出はセキュリティ上の懸念から注目を集めている。 多くの検出器は、目に見えない操作を検出する際に正確な結果を得ることができない。 そこで我々は,より一般的なディープフェイクビデオ検出のための新しいパイプラインであるクロスドメインローカルフォレスティクスを提案する。
• 参考スコア（独自算出の注目度）: 18.430287055542315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As ultra-realistic face forgery techniques emerge, deepfake detection has attracted increasing attention due to security concerns. Many detectors cannot achieve accurate results when detecting unseen manipulations despite excellent performance on known forgeries. In this paper, we are motivated by the observation that the discrepancies between real and fake videos are extremely subtle and localized, and inconsistencies or irregularities can exist in some critical facial regions across various information domains. To this end, we propose a novel pipeline, Cross-Domain Local Forensics (XDLF), for more general deepfake video detection. In the proposed pipeline, a specialized framework is presented to simultaneously exploit local forgery patterns from space, frequency, and time domains, thus learning cross-domain features to detect forgeries. Moreover, the framework leverages four high-level forgery-sensitive local regions of a human face to guide the model to enhance subtle artifacts and localize potential anomalies. Extensive experiments on several benchmark datasets demonstrate the impressive performance of our method, and we achieve superiority over several state-of-the-art methods on cross-dataset generalization. We also examined the factors that contribute to its performance through ablations, which suggests that exploiting cross-domain local characteristics is a noteworthy direction for developing more general deepfake detectors.
• Abstract（参考訳）: 超現実的な顔偽造技術が出現するにつれて、セキュリティ上の懸念からディープフェイク検出が注目を集めている。 多くの検出器は、既知の偽造の優れた性能にもかかわらず、見当たらない操作を検出すると正確な結果を得ることができない。 本稿では,実映像と偽映像の相違が極めて微妙で局所化され,様々な情報領域にまたがる重要な顔領域に不整合や不規則性が存在する可能性があることに注目した。 そこで本研究では,より一般的なディープフェイクビデオ検出のための新しいパイプラインであるクロスドメインローカルフォレスティクス(XDLF)を提案する。 提案するパイプラインでは,空間領域,周波数領域,時間領域から局所的な偽造パターンを同時に活用するために,クロスドメイン特徴を学習して偽造を検出するための特別なフレームワークが提示されている。 さらに、このフレームワークは人間の顔の4つの高レベルな偽装感受性局所領域を利用して、微妙なアーティファクトの強化と潜在的な異常の局所化を誘導する。 いくつかのベンチマークデータセットに対する大規模な実験により,提案手法の優れた性能が示され,また,クロスデータセットの一般化における最先端手法よりも優れた結果が得られた。 また, クロスドメイン局所特性の活用がより一般的なディープフェイク検出器の開発に有効な方向であることを示すため, アブレーションによる性能向上に寄与する要因についても検討した。

関連論文リスト

• Improving Cross-dataset Deepfake Detection with Deep Information Decomposition [57.284370468207214]
  ディープフェイク技術は、セキュリティと社会的信頼に重大な脅威をもたらす。 既存の検出方法は、クロスデータセットのシナリオに直面した場合、パフォーマンスの急激な低下に悩まされる。 本稿では,深層情報分解(DID)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:30:25Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• Detect Any Deepfakes: Segment Anything Meets Face Forgery Detection and Localization [30.317619885984005]
  本稿では,視覚的セグメンテーション基盤モデル,すなわちセグメンテーションモデル(SAM)をフォージェリ検出とローカライゼーションの対面に導入する。 SAMに基づいて,Multiscale Adapterを用いたDADFフレームワークを提案する。 提案するフレームワークは、エンドツーエンドのフォージェリーローカライゼーションと検出最適化をシームレスに統合する。
  論文  参考訳（メタデータ） (2023-06-29T16:25:04Z)
• Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
  近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。 従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。 本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:46:30Z)
• Local Relation Learning for Face Forgery Detection [73.73130683091154]
  局所的関係学習による顔の偽造検出の新たな視点を提案する。 具体的には,局所的な特徴間の類似度を測定するMPSM(Multi-scale Patch similarity Module)を提案する。 また、より包括的な局所特徴表現のために、RGBおよび周波数領域の情報を融合するRGB-Frequency Attention Module (RFAM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T10:44:32Z)
• Representative Forgery Mining for Fake Face Detection [52.896286647898386]
  ディテクタの精緻化と注目の拡大を導くための注意ベースのデータ拡張フレームワークを提案します。 提案手法は,トップnのセンシティブな顔領域を追跡し,検出者に対して,以前無視された領域にさらに深く掘り下げて,より代表的な偽造を行うように促す。
  論文  参考訳（メタデータ） (2021-04-14T03:24:19Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)

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。