論文の概要: Exploring Depth Information for Face Manipulation Detection

• arxiv url: http://arxiv.org/abs/2212.14230v1
• Date: Thu, 29 Dec 2022 09:00:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 16:39:31.291256
• Title: Exploring Depth Information for Face Manipulation Detection
• Title（参考訳）: 顔操作検出のための深度情報探索
• Authors: Haoyue Wang, Meiling Li, Sheng Li, Zhenxing Qian, Xinpeng Zhang
• Abstract要約: RGB顔画像からのパッチにより顔深度マップパッチを推定するための顔深度マップ変換器(FDMT)を提案する。 次に、推定された顔深度マップを、バックボーンの特徴と統合される補助情報とみなす。
• 参考スコア（独自算出の注目度）: 25.01910127502075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face manipulation detection has been receiving a lot of attention for the reliability and security of the face images. Recent studies focus on using auxiliary information or prior knowledge to capture robust manipulation traces, which are shown to be promising. As one of the important face features, the face depth map, which has shown to be effective in other areas such as the face recognition or face detection, is unfortunately paid little attention to in literature for detecting the manipulated face images. In this paper, we explore the possibility of incorporating the face depth map as auxiliary information to tackle the problem of face manipulation detection in real world applications. To this end, we first propose a Face Depth Map Transformer (FDMT) to estimate the face depth map patch by patch from a RGB face image, which is able to capture the local depth anomaly created due to manipulation. The estimated face depth map is then considered as auxiliary information to be integrated with the backbone features using a Multi-head Depth Attention (MDA) mechanism that is newly designed. Various experiments demonstrate the advantage of our proposed method for face manipulation detection.
• Abstract（参考訳）: 顔操作検出は、顔画像の信頼性と安全性に多くの注目を集めている。 近年,補助情報や事前知識を活用してロバストな操作トレースを捉える研究が進められている。 重要な顔の特徴の1つとして、顔認識や顔検出などの他の分野で有効であることが示されている顔深度マップは、残念ながら、操作された顔画像を検出する文献にはほとんど注目されていない。 本稿では,顔深度マップを補助情報として組み込むことにより,実世界における顔操作検出の課題に対処する可能性を検討する。 そこで本研究では,まず,操作によって生成された局所的深度異常をキャプチャできるrgb顔画像から,顔深度マップパッチをパッチにより推定する顔深度マップトランスフォーマ(fdmt)を提案する。 次に、推定顔深度マップを、新たに設計されたMDA(Multi-head Depth Attention)機構を用いて、バックボーンの特徴と統合するための補助情報とみなす。 様々な実験により,提案手法による顔操作検出の利点が実証された。

関連論文リスト

• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Detect Faces Efficiently: A Survey and Evaluations [13.105528567365281]
  顔認識、表情認識、顔追跡、頭部推定を含む多くの応用は、画像中の顔の位置と大きさの両方が知られていると仮定する。 ディープラーニング技術は、かなりの計算量の増加と共に、対面検出に驚くべきブレークスルーをもたらした。 本稿では, 代表的な深層学習手法を紹介し, 精度と効率性の観点から, 深く, 徹底的な分析を行う。
  論文  参考訳（メタデータ） (2021-12-03T08:39:40Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• Face Forgery Detection by 3D Decomposition [72.22610063489248]
  顔画像は、基礎となる3次元幾何学と照明環境の介入の産物とみなす。 顔画像を3次元形状、共通テクスチャ、アイデンティティテクスチャ、周囲光、そして直接光に切り離すことで、悪魔は直接光とアイデンティティテクスチャの中に横たわる。 直接光と識別テクスチャを組み合わせた顔のディテールを,微妙な偽造パターンを検出する手がかりとして活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-19T09:25:44Z)
• DeepFake Detection Based on the Discrepancy Between the Face and its Context [94.47879216590813]
  単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。 提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。 本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。 提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
  論文  参考訳（メタデータ） (2020-08-27T17:04:46Z)
• Deep Learning-based Single Image Face Depth Data Enhancement [15.41435352543715]
  本研究は,この文脈における深層学習顔深度向上手法を提案する。 ディープラーニングエンハンサーは、テスト済みの既存のエンハンサーよりも顕著に優れた結果が得られる。
  論文  参考訳（メタデータ） (2020-06-19T11:52:38Z)
• Do We Need Depth in State-Of-The-Art Face Authentication? [8.755493949976492]
  本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。 原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。 提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
  論文  参考訳（メタデータ） (2020-03-24T14:51:25Z)

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。