論文の概要: Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues
- arxiv url: http://arxiv.org/abs/2212.14629v1
- Date: Fri, 30 Dec 2022 10:54:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 16:57:54.520243
- Title: Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues
- Title(参考訳): マルチモダリティフェース偽造手がかりを用いた階層的偽造分類器
- Authors: Decheng Liu, Zeyang Zheng, Chunlei Peng, Yukai Wang, Nannan Wang,
Xinbo Gao
- Abstract要約: 我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。
HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。
クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
- 参考スコア(独自算出の注目度): 81.76624469744198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face forgery detection plays an important role in personal privacy and social
security. With the development of adversarial generative models, high-quality
forgery images become more and more indistinguishable from real to humans.
Existing methods always regard as forgery detection task as the common binary
or multi-label classification, and ignore exploring diverse multi-modality
forgery image types, e.g. visible light spectrum and near-infrared scenarios.
In this paper, we propose a novel Hierarchical Forgery Classifier for
Multi-modality Face Forgery Detection (HFC-MFFD), which could effectively learn
robust patches-based hybrid domain representation to enhance forgery
authentication in multiple-modality scenarios. The local spatial hybrid domain
feature module is designed to explore strong discriminative forgery clues both
in the image and frequency domain in local distinct face regions. Furthermore,
the specific hierarchical face forgery classifier is proposed to alleviate the
class imbalance problem and further boost detection performance. Experimental
results on representative multi-modality face forgery datasets demonstrate the
superior performance of the proposed HFC-MFFD compared with state-of-the-art
algorithms. The source code and models are publicly available at
https://github.com/EdWhites/HFC-MFFD.
- Abstract(参考訳): 顔の偽造検出は、個人のプライバシーと社会保障において重要な役割を果たす。
敵対的生成モデルの開発により、高品質な偽造画像は現実から人間への区別がますます困難になっている。
既存の方法は、常に偽造検出タスクを共通のバイナリまたはマルチラベルの分類と見なし、可視光スペクトルや近赤外線シナリオなど、多様な多モードの偽造画像の探索を無視する。
本稿では,マルチモダリティ・シナリオにおいて,ロバストなパッチベースのハイブリッドドメイン表現を効果的に学習し,偽造認証を強化するマルチモダリティ顔偽造検出(hfc-mffd)のための階層的偽造分類器を提案する。
局所空間ハイブリッドドメイン特徴モジュールは、局所的な顔領域における画像領域と周波数領域の両方において、強い識別的偽造手掛かりを探索するために設計されている。
さらに、クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層型顔偽造分類器を提案する。
代表的マルチモダリティフェースフォージェリーデータセットの実験結果は、最先端アルゴリズムと比較して提案するhfc-mffdの性能が優れていることを示している。
ソースコードとモデルはhttps://github.com/EdWhites/HFC-MFFDで公開されている。
関連論文リスト
- GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross
Appearance-Edge Learning [49.93362169016503]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳(メタデータ) (2024-02-03T03:13:50Z) - 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) - Attention Consistency Refined Masked Frequency Forgery Representation
for Generalizing Face Forgery Detection [96.539862328788]
既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。
ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。
いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
論文 参考訳(メタデータ) (2023-07-21T08:58:49Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - Prepended Domain Transformer: Heterogeneous Face Recognition without
Bells and Whistles [9.419177623349947]
我々は、異なる知覚モードで顔画像とマッチングする、驚くほどシンプルで、かつ、非常に効果的な方法を提案する。
提案するアプローチはアーキテクチャ非依存であり、事前訓練されたモデルに追加することができる。
ソースコードとプロトコルは一般公開される予定だ。
論文 参考訳(メタデータ) (2022-10-12T18:54:57Z) - Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。
2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。
この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
論文 参考訳(メタデータ) (2022-07-19T03:31:13Z) - Data Augmentation via Mixed Class Interpolation using Cycle-Consistent
Generative Adversarial Networks Applied to Cross-Domain Imagery [16.870604081967866]
機械学習による物体検出と非可視画像内の分類は多くの分野において重要な役割を担っている。
しかし、このような応用は、限られた量の非可視領域画像のためにしばしば苦しむ。
本稿では,可視光帯域画像を利用した新しいデータ拡張手法の提案と評価を行う。
論文 参考訳(メタデータ) (2020-05-05T18:53:38Z)
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。