論文の概要: Collaborative Feature Learning for Fine-grained Facial Forgery Detection and Segmentation

• arxiv url: http://arxiv.org/abs/2304.08078v1
• Date: Mon, 17 Apr 2023 08:49:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 16:05:59.989749
• Title: Collaborative Feature Learning for Fine-grained Facial Forgery Detection and Segmentation
• Title（参考訳）: きめ細かい顔の偽造検出とセグメンテーションのための協調的特徴学習
• Authors: Weinan Guan, Wei Wang, Jing Dong, Bo Peng and Tieniu Tan
• Abstract要約: 偽造検出に関する以前の研究は、主に顔全体に焦点を当てていた。 近年の偽造法では、重要な顔成分を編集し、他の成分をそのまま維持する手法が開発されている。 ファリシファイドコンポーネントの操作とセグメンテーションを同時に検出するための協調的特徴学習手法を提案する。
• 参考スコア（独自算出の注目度）: 56.73855202368894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting maliciously falsified facial images and videos has attracted extensive attention from digital-forensics and computer-vision communities. An important topic in manipulation detection is the localization of the fake regions. Previous work related to forgery detection mostly focuses on the entire faces. However, recent forgery methods have developed to edit important facial components while maintaining others unchanged. This drives us to not only focus on the forgery detection but also fine-grained falsified region segmentation. In this paper, we propose a collaborative feature learning approach to simultaneously detect manipulation and segment the falsified components. With the collaborative manner, detection and segmentation can boost each other efficiently. To enable our study of forgery detection and segmentation, we build a facial forgery dataset consisting of both entire and partial face forgeries with their pixel-level manipulation ground-truth. Experiment results have justified the mutual promotion between forgery detection and manipulated region segmentation. The overall performance of the proposed approach is better than the state-of-the-art detection or segmentation approaches. The visualization results have shown that our proposed model always captures the artifacts on facial regions, which is more reasonable.
• Abstract（参考訳）: 悪意ある改ざんされた顔画像やビデオの検出は、デジタルフォレンスやコンピュータビジョンのコミュニティから注目を集めている。 操作検出における重要なトピックは、偽領域のローカライゼーションである。 偽造検出に関する以前の研究は主に顔全体に焦点を当てていた。 しかし,近年では,顔成分を編集する手法が開発されている。 これにより、偽造検出だけでなく、きめ細かなファルシフィケーション領域のセグメンテーションにも焦点をあてることができます。 本稿では,ファリシファイドコンポーネントの操作と分割を同時に検出するための協調的特徴学習手法を提案する。 協調的な方法では、検出とセグメンテーションは互いに効率的に促進することができる。 フォージェリー検出とセグメンテーションの研究を可能にするため,顔の全体と部分のフォージェリーからなる顔のフォージェリーデータセットを画素レベルの接地トラスで構築した。 実験結果は,偽造検出と操作領域分割の相互促進を正当化した。 提案手法の全体的な性能は,最先端検出やセグメンテーション手法よりも優れている。 可視化の結果,提案モデルでは常に顔領域のアーティファクトを捉えていることがわかった。

関連論文リスト

• Learning to Discover Forgery Cues for Face Forgery Detection [12.938400190194946]
  弱教師付きモデルであるForgery Cue Discovery (FoCus)を導入し、不対面の偽の手がかりを見つける。 FoCusは、部分的かつ不正確な偽造の手がかりを捕捉する際の欠点を補うように設計されている。 生成した操作マップは、顔偽造検知器を強化するためにより良い監視を行うことができる。
  論文  参考訳（メタデータ） (2024-09-02T08:07:58Z)
• Learning Expressive And Generalizable Motion Features For Face Forgery Detection [52.54404879581527]
  本稿では,既存のビデオ分類手法に基づく,シーケンスに基づく効果的な偽造検出フレームワークを提案する。 動作特徴をより表現しやすくするために,別の動作整合ブロックを提案する。 一般的なビデオ分類ネットワークを3つの顔偽造データに対して有望な結果を達成する。
  論文  参考訳（メタデータ） (2024-03-08T09:25:48Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• 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)
• Detection of Deepfake Videos Using Long Distance Attention [73.6659488380372]
  既存のほとんどの検出方法は、問題をバニラ二項分類問題として扱う。 本稿では,偽顔と実顔の相違が非常に微妙であるため,特にきめ細かな分類問題として扱われる。 大域的な視点で空間的・時間的偽の痕跡を捉えるための2つの要素を持つ時空間モデルを提案する。
  論文  参考訳（メタデータ） (2021-06-24T08:33:32Z)
• Regional Attention Network (RAN) for Head Pose and Fine-grained Gesture Recognition [9.131161856493486]
  本研究では,CNN(Convolutional Neural Network) である RAN (End-to-end textbfRegional Attention Network) を提案する。 我々の領域は1つ以上の連続した細胞から構成されており、HOG(Histogram of Oriented Gradient)ディスクリプタの計算に使用される戦略に適応している。 提案手法は、異なる指標のかなりの差で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-01-17T10:14:28Z)
• Attentive Semantic Exploring for Manipulated Face Detection [12.635690519021555]
  識別的欠陥や歪みがこれらのフラグメントと密接に関連していることから,画像のセグメンテーションを意味的フラグメントに分割することが有効である可能性が示唆された。 本稿では,多レベル顔意味とカスケード注意機構に基づく顔検出手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T17:08:56Z)

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。