論文の概要: ODDN: Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks

• arxiv url: http://arxiv.org/abs/2410.18687v1
• Date: Thu, 24 Oct 2024 12:32:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:50:01.386621
• Title: ODDN: Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks
• Title（参考訳）: ODDN: オンラインソーシャルネットワークにおけるオープンワールドディープフェイク検出における未解決データ問題への対処
• Authors: Renshuai Tao, Manyi Le, Chuangchuang Tan, Huan Liu, Haotong Qin, Yao Zhao,
• Abstract要約: オープンワールドデータアグリゲーション(ODA)と圧縮・ディスカード勾配補正(CGC)を組み合わせたオープンワールドディープフェイク検出ネットワーク(ODDN)を提案する。 細粒度分析と粗粒度分析の両方により,ODAは圧縮試料と原試料の相関関係を効果的に集約する。 CGCは、オンラインソーシャルネットワーク(OSN)における多種多様な圧縮方法のパフォーマンス向上のために、圧縮・ディスカード勾配補正を組み込んだ。
• 参考スコア（独自算出の注目度）: 51.03118447290247
• License:
• Abstract: Despite significant advances in deepfake detection, handling varying image quality, especially due to different compressions on online social networks (OSNs), remains challenging. Current methods succeed by leveraging correlations between paired images, whether raw or compressed. However, in open-world scenarios, paired data is scarce, with compressed images readily available but corresponding raw versions difficult to obtain. This imbalance, where unpaired data vastly outnumbers paired data, often leads to reduced detection performance, as existing methods struggle without corresponding raw images. To overcome this issue, we propose a novel approach named the open-world deepfake detection network (ODDN), which comprises two core modules: open-world data aggregation (ODA) and compression-discard gradient correction (CGC). ODA effectively aggregates correlations between compressed and raw samples through both fine-grained and coarse-grained analyses for paired and unpaired data, respectively. CGC incorporates a compression-discard gradient correction to further enhance performance across diverse compression methods in OSN. This technique optimizes the training gradient to ensure the model remains insensitive to compression variations. Extensive experiments conducted on 17 popular deepfake datasets demonstrate the superiority of the ODDN over SOTA baselines.
• Abstract（参考訳）: ディープフェイク検出の大幅な進歩にもかかわらず、特にオンラインソーシャルネットワーク(OSN)の様々な圧縮のために、様々な画像品質を扱うことは依然として困難である。 現在の手法は、生か圧縮かにかかわらず、ペア画像間の相関を利用することに成功した。 しかし、オープンワールドのシナリオでは、圧縮された画像が容易に手に入るため、ペア化されたデータはほとんど得られないが、対応する原版は入手が困難である。 この不均衡は、ペア化されたデータをはるかに上回っているため、既存の手法では対応する生画像が存在しないため、検出性能が低下することが多い。 この問題を解決するために,オープンワールドデータアグリゲーション(ODA)と圧縮・ディスカード勾配補正(CGC)の2つのコアモジュールからなる,オープンワールドディープフェイク検出ネットワーク(ODDN)を提案する。 ODAは, 圧縮試料と原試料の相関関係を, 微粒化分析と粗粒化解析の両方を通じて, ペア化データと未ペア化データの相関関係を効果的に集約する。 CGCは、OSNの様々な圧縮方法にまたがる性能を高めるために、圧縮・廃棄勾配補正を組み込んでいる。 この手法は、モデルが圧縮変動に敏感であることを保証するために、トレーニング勾配を最適化する。 17の一般的なディープフェイクデータセットで実施された大規模な実験は、SOTAベースラインよりもODDNの方が優れていることを示した。

関連論文リスト

• BlindDiff: Empowering Degradation Modelling in Diffusion Models for Blind Image Super-Resolution [52.47005445345593]
  BlindDiff は SISR のブラインド劣化に対処するための DM ベースのブラインドSR 手法である。 BlindDiffはMAPベースの最適化をDMにシームレスに統合する。 合成データセットと実世界のデータセットの両方の実験は、BlindDiffが最先端のパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2024-03-15T11:21:34Z)
• Compression of Structured Data with Autoencoders: Provable Benefit of Nonlinearities and Depth [83.15263499262824]
  勾配勾配勾配は入力のスパース構造を完全に無視する解に収束することを示す。 浅層構造にデノナイジング関数を付加することにより,スパースデータの圧縮におけるガウス性能の改善方法を示す。 CIFAR-10 や MNIST などの画像データセットに対して,本研究の成果を検証した。
  論文  参考訳（メタデータ） (2024-02-07T16:32:29Z)
• Implicit Neural Representations for Image Compression [103.78615661013623]
  Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。 量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。 我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
  論文  参考訳（メタデータ） (2021-12-08T13:02:53Z)
• Quantization for Distributed Optimization [0.0]
  本稿では,バニラSGDの性能を維持しながら通信オーバヘッドを大幅に低減する全リデュース勾配対応圧縮方式を提案する。 我々の圧縮手法は、現在ディープラーニングフレームワークによって提供されている工法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-26T05:16:12Z)
• Preventing Catastrophic Forgetting and Distribution Mismatch in Knowledge Distillation via Synthetic Data [5.064036314529226]
  本稿では,データフリーなKDフレームワークを提案する。 実験により,KDを用いて得られた学生モデルの精度を,最先端の手法と比較して向上できることが実証された。
  論文  参考訳（メタデータ） (2021-08-11T08:11:08Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)
• Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
  本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。 高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
  論文  参考訳（メタデータ） (2020-11-17T20:32:57Z)
• On Communication Compression for Distributed Optimization on Heterogeneous Data [28.197694894254305]
  機械学習モデルの分散トレーニングにおいて、通信ボトルネックを回避するために、ロッシー勾配圧縮が重要なツールとなっている。 i) 任意の非バイアス量子化器を用いた分散量子化SGDと(ii) エラーフィードバックとバイアス圧縮器を用いた分散SGDの2種類の標準および一般的な手法の性能解析を行う。 以上の結果から,D-EF-SGDは非IDデータによるD-QSGDよりも影響を受けないことがわかった。
  論文  参考訳（メタデータ） (2020-09-04T20:48:08Z)
• Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
  偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。 本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。 提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
  論文  参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。