論文の概要: Deepfake Detection Analyzing Hybrid Dataset Utilizing CNN and SVM

• arxiv url: http://arxiv.org/abs/2302.10280v1
• Date: Fri, 27 Jan 2023 01:00:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 14:26:48.561596
• Title: Deepfake Detection Analyzing Hybrid Dataset Utilizing CNN and SVM
• Title（参考訳）: CNNとSVMを用いたハイブリッドデータセットのディープフェイク検出
• Authors: Jacob mallet, Laura Pryor, Rushit Dave, Mounika Vanamala
• Abstract要約: 本稿では,2つの機械学習アルゴリズムを用いた新しいディープフェイク検出方式を提案する。 最近、Deepfakesはテクノロジーの進歩とともに上昇し、悪名高いオンラインユーザーが、自分の好きな人の顔をコンピューターで作り替えることを可能にした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media is currently being used by many individuals online as a major source of information. However, not all information shared online is true, even photos and videos can be doctored. Deepfakes have recently risen with the rise of technological advancement and have allowed nefarious online users to replace one face with a computer generated face of anyone they would like, including important political and cultural figures. Deepfakes are now a tool to be able to spread mass misinformation. There is now an immense need to create models that are able to detect deepfakes and keep them from being spread as seemingly real images or videos. In this paper, we propose a new deepfake detection schema using two popular machine learning algorithms.
• Abstract（参考訳）: ソーシャルメディアは現在、多くの個人が主要な情報ソースとして利用している。 しかし、オンラインで共有されているすべての情報が真実であるとは限らない。 ディープフェイクは近年、技術の進歩とともに上昇し、悪名高いオンラインユーザーが、政治的、文化的な重要な人物を含む誰の顔にもコンピューターで置き換えることを可能にした。 Deepfakesは、大量の誤情報を拡散するためのツールだ。 ディープフェイクを検知し、実際の画像やビデオのように拡散しないようにするためのモデルを作成する必要がある。 本稿では,2つの機械学習アルゴリズムを用いた新しいディープフェイク検出方式を提案する。

関連論文リスト

• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• Hybrid Deepfake Detection Utilizing MLP and LSTM [0.0]
  ディープフェイク(deepfake)は、最新の技術進歩にともなう発明である。 本稿では,2つのディープラーニングアルゴリズムを用いた新しいディープフェイク検出方式を提案する。 我々は、140k RealとFake Facesというデータセットを使用して、74.7%の精度で、ディープフェイクによって変化した画像を検出する。
  論文  参考訳（メタデータ） (2023-04-21T16:38:26Z)
• Leveraging Deep Learning Approaches for Deepfake Detection: A Review [0.0]
  ディープフェイク(Deepfakes)は、AIによって生成されたメディアであり、実際のメディアから切り離すことが難しい。 本稿では,コスト効率のよいモデルを実現するために,様々な手法を検討することを目的とする。
  論文  参考訳（メタデータ） (2023-04-04T16:04:42Z)
• DeePhy: On Deepfake Phylogeny [58.01631614114075]
  DeePhyは、新しいDeepfake Phylogenyデータセットである。 6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
  論文  参考訳（メタデータ） (2022-09-19T15:30:33Z)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• Using Deep Learning to Detecting Deepfakes [0.0]
  ディープフェイク(Deepfakes)とは、ある人物の顔を別のコンピュータが生成した顔に置き換えるビデオまたは画像である。 このオンライン脅威に対抗するために、研究者たちはディープフェイクを検出するモデルを開発した。 本研究では、ディープラーニングアルゴリズムを用いて、この略奪的な脅威に対処する様々なディープフェイク検出モデルについて検討する。
  論文  参考訳（メタデータ） (2022-07-27T17:05:16Z)
• Adversarially robust deepfake media detection using fused convolutional neural network predictions [79.00202519223662]
  現在のディープフェイク検出システムは、目に見えないデータと戦っている。 ビデオから抽出した偽画像と実画像の分類には,CNN(Deep Convolutional Neural Network)モデルが3種類採用されている。 提案手法は96.5%の精度で最先端のモデルより優れている。
  論文  参考訳（メタデータ） (2021-02-11T11:28:00Z)
• WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
  我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。 既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
  論文  参考訳（メタデータ） (2021-01-05T11:10:32Z)
• Using GANs to Synthesise Minimum Training Data for Deepfake Generation [2.7393821783237184]
  ディープフェイクは、エンターテイメント、顧客関係、さらには支援ケアといったアプリケーションで有用である。 ディープフェイクを生成することの1つの問題は、被写体の多くの画像トレーニングデータを必要とすることである。 我々は、GANの特性を利用して、変化した表情を持つ人物のイメージを生成し、そこからディープフェイクを生成する。
  論文  参考訳（メタデータ） (2020-11-10T22:05:38Z)

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。