論文の概要: Benchmarking Deepart Detection

• arxiv url: http://arxiv.org/abs/2302.14475v1
• Date: Tue, 28 Feb 2023 10:34:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 17:02:07.262857
• Title: Benchmarking Deepart Detection
• Title（参考訳）: ベンチマークによるdeepart検出
• Authors: Yabin Wang, Zhiwu Huang, Xiaopeng Hong
• Abstract要約: ディープフェイク技術は、現実と非現実の境界を曖昧にしており、おそらく悪意のある出来事を引き起こしている。 本稿では,5つの最先端のディープフェイクモデルによって生成される,高品質な従来のアート画像(コナート)と5組のディープアート画像からなるディープアート検出データベース(DDDB)を確立する。 2つの新しい問題に対して、構築されたDDDB上で4つのベンチマーク評価と4つのソリューションファミリーを提案する。
• 参考スコア（独自算出の注目度）: 47.35363657976161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deepfake technologies have been blurring the boundaries between the real and unreal, likely resulting in malicious events. By leveraging newly emerged deepfake technologies, deepfake researchers have been making a great upending to create deepfake artworks (deeparts), which are further closing the gap between reality and fantasy. To address potentially appeared ethics questions, this paper establishes a deepart detection database (DDDB) that consists of a set of high-quality conventional art images (conarts) and five sets of deepart images generated by five state-of-the-art deepfake models. This database enables us to explore once-for-all deepart detection and continual deepart detection. For the two new problems, we suggest four benchmark evaluations and four families of solutions on the constructed DDDB. The comprehensive study demonstrates the effectiveness of the proposed solutions on the established benchmark dataset, which is capable of paving a way to more interesting directions of deepart detection. The constructed benchmark dataset and the source code will be made publicly available.
• Abstract（参考訳）: ディープフェイク技術は、現実と非現実の境界を曖昧にしており、おそらく悪質なイベントを引き起こしている。 新たに登場したディープフェイク技術を活用することで、ディープフェイクの研究者たちは、ディープフェイクアート(ディーパート)を作るための大きな進歩を遂げてきた。 本稿では,5つの最先端ディープフェイクモデルによって生成された,高品質な従来のアート画像(conarts)と5つのディープアート画像からなる,deepart detection database(dddb)を構築した。 このデータベースを使うことで、すべてのdeepart検出と継続的なdeepart検出を探索できます。 2つの新しい問題に対して、構築されたDDDB上で4つのベンチマーク評価と4つのソリューションファミリーを提案する。 この包括的研究は、deepart検出のより興味深い方向への道を開くことができる確立されたベンチマークデータセットにおける提案手法の有効性を示している。 構築されたベンチマークデータセットとソースコードが公開される予定だ。

関連論文リスト

• DF40: Toward Next-Generation Deepfake Detection [62.073997142001424]
  既存の研究は、ある特定のデータセットで検出器をトレーニングし、他の一般的なディープフェイクデータセットでテストすることで、トップノーチ検出アルゴリズムとモデルを識別する。 しかし、これらの「勝者」は現実の世界に潜む無数の現実的で多様なディープフェイクに取り組むために真に応用できるのだろうか? 我々は,40の異なるディープフェイク技術からなるDF40という,高度に多様なディープフェイク検出データセットを構築した。
  論文  参考訳（メタデータ） (2024-06-19T12:35:02Z)
• Linguistic Profiling of Deepfakes: An Open Database for Next-Generation Deepfake Detection [40.20982463380279]
  本稿では,Deepfake データベース (DFLIP-3K) を提案する。 約3K生成モデルから約300Kの多様なディープフェイクサンプルが含まれており、この文献で最も多くのディープフェイクモデルがある。 この2つの特徴により、DFLIP-3Kはディープフェイクの言語プロファイリングの進歩を促進するベンチマークを開発することができる。
  論文  参考訳（メタデータ） (2024-01-04T16:19:52Z)
• 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)
• Robustness and Generalizability of Deepfake Detection: A Study with Diffusion Models [35.188364409869465]
  本稿では,ディープフェイクの作り方と識別方法について検討する。 私たちの研究の基盤は、DeepFakeFaceという名の有名人の顔の豊富なコレクションです。 このデータはディープフェイクを見つけるために設計されたアルゴリズムを訓練し、テストするための堅牢な基盤となる。
  論文  参考訳（メタデータ） (2023-09-05T13:22:41Z)
• 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)
• M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
  Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。 本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。 最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
  論文  参考訳（メタデータ） (2021-04-20T05:43:44Z)
• 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)

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。