論文の概要: Deepfake Detection: A Comprehensive Study from the Reliability Perspective

• arxiv url: http://arxiv.org/abs/2211.10881v1
• Date: Sun, 20 Nov 2022 06:31:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 22:28:13.762896
• Title: Deepfake Detection: A Comprehensive Study from the Reliability Perspective
• Title（参考訳）: deepfake detection: 信頼性の観点からの包括的研究
• Authors: Tianyi Wang and Kam Pui Chow and Xiaojun Chang and Yinglong Wang
• Abstract要約: キノコ入りのDeepfake合成材料はインターネット上で流通し、社会に深刻な影響を与えている。 本稿では,Deepfake検出の3つの側面,すなわち伝達可能性,解釈可能性,信頼性について検討する。
• 参考スコア（独自算出の注目度）: 46.15242479794739
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The mushroomed Deepfake synthetic materials circulated on the internet have raised serious social impact to politicians, celebrities, and every human being on earth. In this paper, we provide a thorough review of the existing models following the development history of the Deepfake detection studies and define the research challenges of Deepfake detection in three aspects, namely, transferability, interpretability, and reliability. While the transferability and interpretability challenges have both been frequently discussed and attempted to solve with quantitative evaluations, the reliability issue has been barely considered, leading to the lack of reliable evidence in real-life usages and even for prosecutions on Deepfake related cases in court. We therefore conduct a model reliability study scheme using statistical random sampling knowledge and the publicly available benchmark datasets to qualitatively validate the detection performance of the existing models on arbitrary Deepfake candidate suspects. A barely remarked systematic data pre-processing procedure is demonstrated along with the fair training and testing experiments on the existing detection models. Case studies are further executed to justify the real-life Deepfake cases including different groups of victims with the help of reliably qualified detection models. The model reliability study provides a workflow for the detection models to act as or assist evidence for Deepfake forensic investigation in court once approved by authentication experts or institutions.
• Abstract（参考訳）: キノコ入りのDeepfake合成材料がインターネット上に流通し、政治家、有名人、そして地球上のすべての人間に深刻な社会的影響をもたらした。 本稿では,deepfake検出研究の発展史を追従した既存モデルの徹底的なレビューを行い,deepfake検出の研究課題を,転送性,解釈性,信頼性という3つの側面から定義する。 伝達可能性と解釈可能性の課題はともに量的評価で論じられ、解決が試みられているが、信頼性の問題はほとんど検討されておらず、実際の使用法や裁判所におけるDeepfake関連事例の訴追さえも確実な証拠が欠如している。 そこで,統計的ランダムサンプリング知識と公開ベンチマークデータセットを用いたモデル信頼度調査を行い,任意のディープフェイク候補に対する既存モデルの検出性能を定性的に検証した。 既存の検出モデルにおける公正なトレーニングおよびテスト実験とともに、ほとんど言及されていない体系的データ前処理手順を実証した。 ケーススタディはさらに、被害者の異なるグループを含む実際のディープフェイク事件を、確実に認定された検出モデルの助けを借りて正当化するために実施されている。 モデルの信頼性調査は、認証の専門家や機関が承認した裁判所におけるディープフェイク法医学捜査の証拠として機能する、または補助する検出モデルのためのワークフローを提供する。

関連論文リスト

• Passive Deepfake Detection Across Multi-modalities: A Comprehensive Survey [1.7811840395202345]
  ディープフェイク(DF)は、個人の偽装、誤情報拡散、アーティストのスタイルの模倣など、悪意ある目的に利用されてきた。 この調査では、画像、ビデオ、オーディオ、マルチモーダルドメインなど、複数のモダリティにまたがる受動的アプローチについて調査する。
  論文  参考訳（メタデータ） (2024-11-26T22:04:49Z)
• Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
  ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。 ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。 本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
  論文  参考訳（メタデータ） (2024-11-12T09:02:11Z)
• Introducing a Comprehensive, Continuous, and Collaborative Survey of Intrusion Detection Datasets [2.7082111912355877]
  COMIDDSは、侵入検出データセットを前例のないレベルで包括的に調査する試みである。 実際のデータサンプルや関連する出版物へのリンクを含む、各データセットに関する構造化されたクリティカルな情報を提供する。
  論文  参考訳（メタデータ） (2024-08-05T14:40:41Z)
• A Timely Survey on Vision Transformer for Deepfake Detection [11.410817278428533]
  Vision Transformer (ViT) ベースのアプローチは、汎用性と効率性において優れたパフォーマンスを示す。 この調査は、ディープフェイク検出におけるViTの重要な役割について、研究者に微妙な理解を与えることを目的としている。
  論文  参考訳（メタデータ） (2024-05-14T09:33:04Z)
• 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)
• 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)
• DeepfakeBench: A Comprehensive Benchmark of Deepfake Detection [55.70982767084996]
  ディープフェイク検出の分野で見落とされがちな課題は、標準化され、統一され、包括的なベンチマークがないことである。 DeepfakeBenchと呼ばれる,3つの重要なコントリビューションを提供するディープフェイク検出のための,最初の包括的なベンチマークを提示する。 DeepfakeBenchには15の最先端検出方法、9CLデータセット、一連のDeepfake検出評価プロトコルと分析ツール、包括的な評価ツールが含まれている。
  論文  参考訳（メタデータ） (2023-07-04T01:34:41Z)
• A Continual Deepfake Detection Benchmark: Dataset, Methods, and Essentials [97.69553832500547]
  本稿では, 既知の生成モデルと未知の生成モデルの両方から, 新たなディープフェイク集合に対する連続的なディープフェイク検出ベンチマーク(CDDB)を提案する。 本研究では,連続的なディープラーニング検出問題に対して,連続的な視覚認識で一般的に使用される多クラス漸進学習手法を適応するために,複数のアプローチを利用する。
  論文  参考訳（メタデータ） (2022-05-11T13:07:19Z)
• A Unified Survey on Anomaly, Novelty, Open-Set, and Out-of-Distribution Detection: Solutions and Future Challenges [28.104112546546936]
  機械学習モデルは、トレーニング分布から分岐したサンプルに遭遇することが多い。 類似した共有概念にもかかわらず、アウト・オブ・ディストリビューション、オープン・セット、異常検出は独立して研究されている。 本調査は,各分野における多数の卓越した作品について,クロスドメインかつ包括的レビューを行うことを目的としている。
  論文  参考訳（メタデータ） (2021-10-26T22:05:31Z)
• Deep Learning for Anomaly Detection: A Review [150.9270911031327]
  本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。 我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
  論文  参考訳（メタデータ） (2020-07-06T02:21:16Z)

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。