Fugu-MT 論文翻訳(概要): A3:Ambiguous Aberrations Captured via Astray-Learning for Facial Forgery Semantic Sublimation

論文の概要: A3:Ambiguous Aberrations Captured via Astray-Learning for Facial Forgery Semantic Sublimation

arxiv url: http://arxiv.org/abs/2405.15173v1
Date: Fri, 24 May 2024 03:12:57 GMT
ステータス: 処理完了
システム内更新日: 2024-05-27 18:18:44.227702
Title: A3:Ambiguous Aberrations Captured via Astray-Learning for Facial Forgery Semantic Sublimation
Title（参考訳）: A3:Ambiguous Aberrations Captureed by Astray-Learning for Facial Forgery Semantic Sublimation
Authors: Xinan He, Yue Zhou, Wei Ye, Feng Ding,
Abstract要約: 我々は,アストレイラーニング(astray-learning)という,偽のセマンティクスの分離と昇華に類似したアプローチを提案する。提案手法の主な目的は,高周波成分から派生したハイブリッド・フォージェリー・セマンティクスを,認証画像にブレンドすることである。
参考スコア（独自算出の注目度）: 8.447091815472811
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Prior DeepFake detection methods have faced a core challenge in preserving generalizability and fairness effectively. In this paper, we proposed an approach akin to decoupling and sublimating forgery semantics, named astray-learning. The primary objective of the proposed method is to blend hybrid forgery semantics derived from high-frequency components into authentic imagery, named aberrations. The ambiguity of aberrations is beneficial to reducing the model's bias towards specific semantics. Consequently, it can enhance the model's generalization ability and maintain the detection fairness. All codes for astray-learning are publicly available at https://anonymous.4open.science/r/astray-learning-C49B .
Abstract（参考訳）: 従来のDeepFake検出手法は、一般化性と公平性を効果的に維持する上で、重要な課題に直面してきた。本稿では,アストレイラーニング(astray-learning)という,偽のセマンティクスの分離と昇華に類似したアプローチを提案する。提案手法の主な目的は,高周波成分から派生したハイブリッド・フォージェリー・セマンティクスを実画像にブレンドすることである。収差の曖昧さは、特定の意味論に対するモデルのバイアスを減らすのに有益である。これにより、モデルの一般化能力を高め、検出公正性を維持することができる。 astray-learningのコードはhttps://anonymous.4open.science/r/astray-learning-C49Bで公開されている。

関連論文リスト

Derivative-Free Diffusion Manifold-Constrained Gradient for Unified XAI [59.96044730204345]
微分自由拡散多様体制約勾配(FreeMCG)を導入する。 FreeMCGは、与えられたニューラルネットワークの説明可能性を改善する基盤として機能する。提案手法は,XAIツールが期待する本質性を保ちながら,最先端の成果が得られることを示す。
論文参考訳（メタデータ） (2024-11-22T11:15:14Z)
Rethinking Weak-to-Strong Augmentation in Source-Free Domain Adaptive Object Detection [38.596886094105216]
Source-Free Domain Adaptive Object Detection (SFOD) は、検出器(ソースドメインで事前訓練された)を新しい未実装のターゲットドメインに転送することを目的としている。本稿では,Wak-to-Strong Contrastive Learning (WSCoL) アプローチを紹介する。
論文参考訳（メタデータ） (2024-10-07T23:32:06Z)
Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
論文参考訳（メタデータ） (2024-08-12T02:48:00Z)
Decoupling Forgery Semantics for Generalizable Deepfake Detection [6.1822981823804835]
本稿では,DeepFakeの検出手法を提案し,セマンティックデカップリングによる検出の一般化を促進する。 FF++, Celeb-DF, DFD, DFDCデータセットの評価は, 本手法の優れた検出と一般化性能を示す。
論文参考訳（メタデータ） (2024-06-14T06:00:14Z)
Fine-grained Image-to-LiDAR Contrastive Distillation with Visual Foundation Models [55.99654128127689]
Visual Foundation Models (VFM) は、弱い教師付きピクセル対ポイントのコントラスト蒸留のためのセマンティックラベルを生成するために使用される。我々は,空間分布とカテゴリー周波数の不均衡に対応するために,点のサンプリング確率を適応させる。我々の手法は、下流タスクにおける既存の画像からLiDARへのコントラスト蒸留法を一貫して超越している。
論文参考訳（メタデータ） (2024-05-23T07:48:19Z)
Semantic Contrastive Bootstrapping for Single-positive Multi-label Recognition [36.3636416735057]
本研究では,意味的コントラスト型ブートストラップ法(Scob)を用いて,オブジェクト間の関係を徐々に回復する手法を提案する。次に、アイコン的オブジェクトレベルの表現を抽出する再帰的セマンティックマスク変換器を提案する。大規模な実験結果から,提案手法が最先端のモデルを超えていることが示唆された。
論文参考訳（メタデータ） (2023-07-15T01:59:53Z)
STAR Loss: Reducing Semantic Ambiguity in Facial Landmark Detection [80.04000067312428]
本稿では,意味的あいまいさの特性を利用した自己適応型あいまいさ低減(STAR)の損失を提案する。意味的あいまいさは異方性予測分布をもたらすことが分かり、予測分布を用いて意味的あいまいさを表現する。また,分布の異常変化とモデルの初期収束を回避できる2種類の固有値制限法を提案する。
論文参考訳（メタデータ） (2023-06-05T10:33:25Z)
Scalable Bayesian Meta-Learning through Generalized Implicit Gradients [64.21628447579772]
Inlicit Bayesian Meta-learning (iBaML) 法は、学習可能な事前のスコープを広げるだけでなく、関連する不確実性も定量化する。解析誤差境界は、明示的よりも一般化された暗黙的勾配の精度と効率を示すために確立される。
論文参考訳（メタデータ） (2023-03-31T02:10:30Z)
Diffusion Models for Adversarial Purification [69.1882221038846]
対人浄化(Adrial purification)とは、生成モデルを用いて敵の摂動を除去する防衛方法の分類である。そこで我々は,拡散モデルを用いたDiffPureを提案する。提案手法は,現在の対人訓練および対人浄化方法よりも優れ,最先端の成果を達成する。
論文参考訳（メタデータ） (2022-05-16T06:03:00Z)
Real-centric Consistency Learning for Deepfake Detection [8.313889744011933]
両クラスの不変表現を学習することで深度検出問題に取り組む。本稿では,潜在世代関連特徴を抽出するための,意味論的ペアリング手法を提案する。特徴レベルでは、表現空間における自然面の中心に基づいて、潜在的な限界特徴をシミュレートする強正のマイニングと合成法を設計する。
論文参考訳（メタデータ） (2022-05-15T07:01:28Z)
Causal Disentanglement for Semantics-Aware Intent Learning in Recommendation [30.85573846018658]
そこで本研究では,CaDSIと呼ばれる非バイアス・セマンティクス対応のアンタングル学習を提案する。 CaDSIは、リコメンデーションタスクの根底にある因果関係を明示的にモデル化する。特定のアイテムコンテキストに気付く真の意図を、ユーザを遠ざけることによって、セマンティクスに気付く表現を生成する。
論文参考訳（メタデータ） (2022-02-05T15:17:03Z)

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。