Fugu-MT 論文翻訳(概要): Assessment Framework for Deepfake Detection in Real-world Situations

論文の概要: Assessment Framework for Deepfake Detection in Real-world Situations

arxiv url: http://arxiv.org/abs/2304.06125v1
Date: Wed, 12 Apr 2023 19:09:22 GMT
ステータス: 処理完了
システム内更新日: 2023-04-14 16:28:31.213783
Title: Assessment Framework for Deepfake Detection in Real-world Situations
Title（参考訳）: 実環境におけるディープフェイク検出のための評価フレームワーク
Authors: Yuhang Lu and Touradj Ebrahimi
Abstract要約: ディープラーニングに基づくディープフェイク検出手法は優れた性能を示した。様々な画像処理操作と典型的なワークフロー歪みが検出精度に与える影響は, 体系的に測定されていない。より現実的な環境下での学習に基づくディープフェイク検出の性能を評価するために,より信頼性の高い評価フレームワークを提案する。
参考スコア（独自算出の注目度）: 13.334500258498798
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Detecting digital face manipulation in images and video has attracted extensive attention due to the potential risk to public trust. To counteract the malicious usage of such techniques, deep learning-based deepfake detection methods have been employed and have exhibited remarkable performance. However, the performance of such detectors is often assessed on related benchmarks that hardly reflect real-world situations. For example, the impact of various image and video processing operations and typical workflow distortions on detection accuracy has not been systematically measured. In this paper, a more reliable assessment framework is proposed to evaluate the performance of learning-based deepfake detectors in more realistic settings. To the best of our acknowledgment, it is the first systematic assessment approach for deepfake detectors that not only reports the general performance under real-world conditions but also quantitatively measures their robustness toward different processing operations. To demonstrate the effectiveness and usage of the framework, extensive experiments and detailed analysis of three popular deepfake detection methods are further presented in this paper. In addition, a stochastic degradation-based data augmentation method driven by realistic processing operations is designed, which significantly improves the robustness of deepfake detectors.
Abstract（参考訳）: 画像やビデオにおけるデジタル顔操作の検出は、公衆の信頼を損なう可能性があるため、広く注目を集めている。このような手法の悪用に対抗するため,ディープラーニングに基づくディープフェイク検出手法が採用され,優れた性能を発揮している。しかし、そのような検出器の性能は実世界の状況をほとんど反映しない関連するベンチマークで評価されることが多い。例えば、様々な画像およびビデオ処理操作と典型的なワークフロー歪みが検出精度に与える影響は、体系的に測定されていない。本稿では,よりリアルな環境での学習に基づくディープフェイク検出の性能評価のために,より信頼性の高い評価フレームワークを提案する。この手法は,実環境下での一般的な性能を報告するだけでなく,異なる処理操作に対するロバスト性を定量的に測定する初のシステム評価手法である。本報告では, フレームワークの有効性と利用を実証するために, 3つの一般的なディープフェイク検出手法の広範な実験と詳細な解析を行った。さらに,現実的な処理操作によって駆動される確率的分解に基づくデータ拡張法を考案し,ディープフェイク検出器のロバスト性を大幅に向上させる。

関連論文リスト

Leveraging Mixture of Experts for Improved Speech Deepfake Detection [53.69740463004446]
スピーチのディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な脅威をもたらす。本研究では,Mixture of Expertsアーキテクチャを用いた音声深度検出性能の向上のための新しい手法を提案する。
論文参考訳（メタデータ） (2024-09-24T13:24:03Z)
Towards Quantitative Evaluation of Explainable AI Methods for Deepfake Detection [12.179602756337818]
本フレームワークは,偽画像の領域を特定するための説明手法の能力を評価し,ディープフェイク検出器の決定に最も大きな影響を与える。 FaceForensics++データセットでトレーニングされたディープフェイク検出のための最先端モデルを用いて比較研究を行う。
論文参考訳（メタデータ） (2024-04-29T12:32:14Z)
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)
Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
本稿では,新しい正規化の観点から一般化能力を高める。本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
論文参考訳（メタデータ） (2023-07-24T05:43:34Z)
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)
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)
Impact of Video Processing Operations in Deepfake Detection [13.334500258498798]
ビデオにおけるデジタル顔の操作は、公衆の信頼のリスクが増大したため、広く注目を集めている。ディープラーニングに基づくディープフェイク検出法が開発され,優れた結果が得られた。これらの検出器の性能は、現実世界の状況をほとんど反映しないベンチマークを用いて評価されることが多い。
論文参考訳（メタデータ） (2023-03-30T09:24:17Z)
A New Approach to Improve Learning-based Deepfake Detection in Realistic Conditions [13.334500258498798]
深層畳み込みニューラルネットワークは、複数の検出および認識タスクにおいて例外的な結果を得た。圧縮, ノイズ, エンハンスメントなどの画像にみられる従来の歪みや処理操作の影響は十分に研究されていない。本稿では,実世界の画像劣化プロセスに基づく,より効率的なデータ拡張手法を提案する。
論文参考訳（メタデータ） (2022-03-22T15:16:54Z)
A Novel Framework for Assessment of Learning-based Detectors in Realistic Conditions with Application to Deepfake Detection [11.287342793740876]
本稿では,より現実的な状況下での学習ベース検出器の性能を評価するための厳密な枠組みを提案する。評価結果に触発されて、自然な画像劣化プロセスに基づくデータ拡張戦略を設計する。
論文参考訳（メタデータ） (2022-03-22T15:03:56Z)
Impact of Benign Modifications on Discriminative Performance of Deepfake Detectors [11.881119750753648]
このような内容を特定するために、近年、多くのディープフェイク検出器が提案されている。ディープフェイクは、エンターテイメントのような忠実なアプリケーションと、画像やビデオの偽造のような悪意ある意図された操作の両方で人気がある。本稿では,より現実的な状況下でのディープフェイク検出器の性能を評価するための,より厳密で体系的な枠組みを提案する。
論文参考訳（メタデータ） (2021-11-14T22:50:39Z)

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。