論文の概要: Decoupling Forgery Semantics for Generalizable Deepfake Detection
- arxiv url: http://arxiv.org/abs/2406.09739v1
- Date: Fri, 14 Jun 2024 06:00:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-17 15:03:43.238057
- Title: Decoupling Forgery Semantics for Generalizable Deepfake Detection
- Title（参考訳）: 一般化可能なディープフェイク検出のためのデカップリングフォージェリセマンティクス
- Authors: Wei Ye, Xinan He, Feng Ding,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.1822981823804835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a novel method for detecting DeepFakes, enhancing the generalization of detection through semantic decoupling. There are now multiple DeepFake forgery technologies that not only possess unique forgery semantics but may also share common forgery semantics. The unique forgery semantics and irrelevant content semantics may promote over-fitting and hamper generalization for DeepFake detectors. For our proposed method, after decoupling, the common forgery semantics could be extracted from DeepFakes, and subsequently be employed for developing the generalizability of DeepFake detectors. Also, to pursue additional generalizability, we designed an adaptive high-pass module and a two-stage training strategy to improve the independence of decoupled semantics. Evaluation on FF++, Celeb-DF, DFD, and DFDC datasets showcases our method's excellent detection and generalization performance. Code is available at: https://anonymous.4open.science/r/DFS-GDD-0F42.
- Abstract（参考訳）: 本稿では,DeepFakeを検知する新しい手法を提案し,セマンティックデカップリングによる検出の一般化を強化する。
現在、複数のDeepFakeフォージェリ技術があり、ユニークなフォージェリセマンティクスを持つだけでなく、共通のフォージェリセマンティクスを共有することもできる。
独特な偽造意味論と無関係な内容意味論はディープフェイク検出器の過度な適合と一般化を促進する可能性がある。
提案手法では,デカップリング後,DeepFakesから共通フォージェリーセマンティクスを抽出し,その後,DeepFake検出器の汎用性向上に活用する。
また,適応型ハイパスモジュールと2段階のトレーニング戦略を設計し,分離されたセマンティクスの独立性を向上した。
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。
コードは以下の通り:https://anonymous.4open.science/r/DFS-GDD-0F42。
関連論文リスト
- Fake It till You Make It: Curricular Dynamic Forgery Augmentations towards General Deepfake Detection [15.857961926916465]
我々は,textbfCurricular textbfDynamic textbfForgery textbfAugmentation (CDFA)と呼ばれる新しいディープフェイク検出法を提案する。
CDFAは、偽造拡張ポリシーネットワークでディープフェイク検出器を共同で訓練する。
そこで本研究では,CDFAが各種難燃性ディープフェイク検出器のクロスデータセットおよびクロスマニピュレーション性能を著しく向上できることを示す。
論文 参考訳（メタデータ） (2024-09-22T13:51:22Z) - Semantics-Oriented Multitask Learning for DeepFake Detection: A Joint Embedding Approach [77.65459419417533]
本稿ではセマンティクス指向のDeepFake検出タスクをサポートするための自動データセット拡張手法を提案する。
また,顔画像とそれに対応するラベルを併用して予測を行う。
提案手法は,DeepFake検出の一般化性を向上し,人間の理解可能な説明を提供することで,ある程度のモデル解釈を行う。
論文 参考訳（メタデータ） (2024-08-29T07:11:50Z) - Explicit Correlation Learning for Generalizable Cross-Modal Deepfake Detection [33.20064862916194]
本稿では,様々な生成シナリオに対する深度検出を向上するために,モーダル間相関の可能性について学ぶことを目的とする。
本手法では,コンテンツ情報に基づく相互相関をモデル化した相関蒸留タスクを提案する。
そこで本研究では,多種多種多様深度深度の検出を4世代に分けて評価するクロスモーダル深度データセットを提案する。
論文 参考訳（メタデータ） (2024-04-30T00:25:44Z) - Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。
より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。
提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文 参考訳（メタデータ） (2023-11-19T09:41:10Z) - 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 General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - DeepFake-Adapter: Dual-Level Adapter for DeepFake Detection [73.66077273888018]
既存のディープフェイク検出方法は、目に見えない、または劣化したサンプルに対してうまく一般化できない。
高レベルのセマンティクスは、一般化可能な偽造検出に必要なレシピである。
DeepFake-Adapterは、DeepFake検出のためのパラメータ効率の高い最初のチューニング手法である。
論文 参考訳（メタデータ） (2023-06-01T16:23:22Z) - Learning Pairwise Interaction for Generalizable DeepFake Detection [20.723277551489186]
DeepFake生成技術の開発は、既知のタイプのDeepFake向けに設計された検出スキームに挑戦している。
我々は,異なる色空間表現からペアワイズ学習と補完情報を利用する,MCX-API(Multi-Channel Xception Attention Pairwise Interaction)を提案する。
実験の結果,提案手法は最先端のDeepfakes検出器よりも一般化可能であることがわかった。
論文 参考訳（メタデータ） (2023-02-26T10:39:08Z) - Voice-Face Homogeneity Tells Deepfake [56.334968246631725]
既存の検出アプローチは、ディープフェイクビデオにおける特定のアーティファクトの探索に寄与する。
未探索の音声-顔のマッチングビューからディープフェイク検出を行う。
我々のモデルは、他の最先端の競合と比較して、大幅に性能が向上する。
論文 参考訳（メタデータ） (2022-03-04T09:08:50Z)
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。