論文の概要: Exploring Depth Information for Detecting Manipulated Face Videos
- arxiv url: http://arxiv.org/abs/2411.18572v1
- Date: Wed, 27 Nov 2024 18:16:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 15:26:18.262087
- Title: Exploring Depth Information for Detecting Manipulated Face Videos
- Title(参考訳): マニピュレーションされた顔画像検出のための深度情報探索
- Authors: Haoyue Wang, Sheng Li, Ji He, Zhenxing Qian, Xinpeng Zhang, Shaolin Fan,
- Abstract要約: 顔深度マップは、顔認識や顔検出などの他の分野で有効であることが示されている。
RGB顔画像からのパッチにより顔深度マップパッチを推定するための顔深度マップ変換器(FDMT)を提案する。
次に、推定された顔深度マップを、バックボーンの特徴と統合される補助情報とみなす。
- 参考スコア(独自算出の注目度): 36.36293334402051
- License:
- Abstract: Face manipulation detection has been receiving a lot of attention for the reliability and security of the face images/videos. Recent studies focus on using auxiliary information or prior knowledge to capture robust manipulation traces, which are shown to be promising. As one of the important face features, the face depth map, which has shown to be effective in other areas such as face recognition or face detection, is unfortunately paid little attention to in literature for face manipulation detection. In this paper, we explore the possibility of incorporating the face depth map as auxiliary information for robust face manipulation detection. To this end, we first propose a Face Depth Map Transformer (FDMT) to estimate the face depth map patch by patch from an RGB face image, which is able to capture the local depth anomaly created due to manipulation. The estimated face depth map is then considered as auxiliary information to be integrated with the backbone features using a Multi-head Depth Attention (MDA) mechanism that is newly designed. We also propose an RGB-Depth Inconsistency Attention (RDIA) module to effectively capture the inter-frame inconsistency for multi-frame input. Various experiments demonstrate the advantage of our proposed method for face manipulation detection.
- Abstract(参考訳): 顔の操作検出は、顔画像/ビデオの信頼性とセキュリティに多くの注目を集めている。
近年の研究では、補助情報や事前知識を用いて、堅牢な操作トレースをキャプチャすることに焦点を当てており、これは有望であることが示されている。
重要な顔の特徴の1つとして、顔認識や顔検出などの他の分野で有効であることが示されている顔深度マップは、残念ながら、顔操作検出のための文献にはほとんど注目されていない。
本稿では,顔深度マップを頑健な顔操作検出のための補助情報として活用する可能性について検討する。
そこで我々はまず,RGB顔画像からのパッチにより顔深度マップパッチを推定するFDMT(Face Depth Map Transformer)を提案する。
次に、推定顔深度マップを、新たに設計されたMDA(Multi-head Depth Attention)機構を用いて、バックボーンの特徴と統合するための補助情報とみなす。
また,RGB-Depth Inconsistency Attention (RDIA)モジュールを提案する。
種々の実験により,顔の操作検出における提案手法の利点が示された。
関連論文リスト
- DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-07T07:19:45Z) - Exploring Depth Information for Face Manipulation Detection [25.01910127502075]
RGB顔画像からのパッチにより顔深度マップパッチを推定するための顔深度マップ変換器(FDMT)を提案する。
次に、推定された顔深度マップを、バックボーンの特徴と統合される補助情報とみなす。
論文 参考訳(メタデータ) (2022-12-29T09:00:22Z) - High-Accuracy RGB-D Face Recognition via Segmentation-Aware Face Depth
Estimation and Mask-Guided Attention Network [16.50097148165777]
ディープラーニングアプローチは、非常に大きな顔画像データセットでモデルをトレーニングすることで、極めて正確な顔認識を実現している。
大規模な2D顔画像データセットが利用可能であるのと異なり、大規模な3D顔データセットが公開されていない。
本稿では,RGB-D顔認識タスクを改善するための2つのCNNモデルを提案する。
論文 参考訳(メタデータ) (2021-12-22T07:46:23Z) - 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) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-04-28T09:35:48Z) - Face Forgery Detection by 3D Decomposition [72.22610063489248]
顔画像は、基礎となる3次元幾何学と照明環境の介入の産物とみなす。
顔画像を3次元形状、共通テクスチャ、アイデンティティテクスチャ、周囲光、そして直接光に切り離すことで、悪魔は直接光とアイデンティティテクスチャの中に横たわる。
直接光と識別テクスチャを組み合わせた顔のディテールを,微妙な偽造パターンを検出する手がかりとして活用することを提案する。
論文 参考訳(メタデータ) (2020-11-19T09:25:44Z) - Deep Learning-based Single Image Face Depth Data Enhancement [15.41435352543715]
本研究は,この文脈における深層学習顔深度向上手法を提案する。
ディープラーニングエンハンサーは、テスト済みの既存のエンハンサーよりも顕著に優れた結果が得られる。
論文 参考訳(メタデータ) (2020-06-19T11:52:38Z) - Do We Need Depth in State-Of-The-Art Face Authentication? [8.755493949976492]
本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。
原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。
提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
論文 参考訳(メタデータ) (2020-03-24T14:51:25Z) - Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。
2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。
提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
論文 参考訳(メタデータ) (2020-03-18T06:11:20Z)
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。