論文の概要: Synthetic Art Generation and DeepFake Detection A Study on Jamini Roy Inspired Dataset

• arxiv url: http://arxiv.org/abs/2503.23226v1
• Date: Sat, 29 Mar 2025 21:12:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:38:33.764668
• Title: Synthetic Art Generation and DeepFake Detection A Study on Jamini Roy Inspired Dataset
• Title（参考訳）: 合成アート生成とディープフェイク検出 : ジャミニロイインスパイアされたデータセットの検討
• Authors: Kushal Agrawal, Romi Banerjee,
• Abstract要約: 本研究は,インド美術の文脈における拡散に基づく生成モデルを検討することによって,ユニークなアプローチをとる。 これを探るため、我々はStable Diffusion 3を微調整し、ControlNetやIPAdapterといった技術を使ってリアルな画像を生成する。 合成画像と真偽の微妙な相違を明らかにするために,フーリエ領域評価や自己相関指標などの定性的・定量的手法を用いた。
• 参考スコア（独自算出の注目度）: 1.0742675209112622
• License:
• Abstract: The intersection of generative AI and art is a fascinating area that brings both exciting opportunities and significant challenges, especially when it comes to identifying synthetic artworks. This study takes a unique approach by examining diffusion-based generative models in the context of Indian art, specifically focusing on the distinctive style of Jamini Roy. To explore this, we fine-tuned Stable Diffusion 3 and used techniques like ControlNet and IPAdapter to generate realistic images. This allowed us to create a new dataset that includes both real and AI-generated artworks, which is essential for a detailed analysis of what these models can produce. We employed various qualitative and quantitative methods, such as Fourier domain assessments and autocorrelation metrics, to uncover subtle differences between synthetic images and authentic pieces. A key takeaway from recent research is that existing methods for detecting deepfakes face considerable challenges, especially when the deepfakes are of high quality and tailored to specific cultural contexts. This highlights a critical gap in current detection technologies, particularly in light of the challenges identified above, where high-quality and culturally specific deepfakes are difficult to detect. This work not only sheds light on the increasing complexity of generative models but also sets a crucial foundation for future research aimed at effective detection of synthetic art.
• Abstract（参考訳）: 生成的AIとアートの交わりは魅力的な分野であり、特に合成アートワークの特定に関して、エキサイティングな機会と重要な課題をもたらす。 本研究は,インド美術の文脈における拡散に基づく生成モデルについて,特にジャミニ・ロイの独特のスタイルに着目した独自のアプローチをとる。 これを探るため、我々はStable Diffusion 3を微調整し、ControlNetやIPAdapterといった技術を使ってリアルな画像を生成する。 これにより、実際のアートワークとAI生成アートワークの両方を含む、新たなデータセットの作成が可能になりました。 合成画像と真偽の微妙な相違を明らかにするために,フーリエ領域評価や自己相関指標などの定性的・定量的手法を用いた。 最近の研究の要点は、ディープフェイクを検出する既存の方法は、特にディープフェイクが高品質で、特定の文化的文脈に合わせている場合、かなりの課題に直面していることである。 これは、特に上述した課題によって、高品質で文化的に特定されたディープフェイクを検出するのが難しい、現在の検出技術における重要なギャップを浮き彫りにしている。 この研究は、生成モデルの複雑さの増大に光を当てるだけでなく、合成芸術の効果的な検出を目的とした将来の研究のための重要な基盤となる。

関連論文リスト

• State-of-the-art AI-based Learning Approaches for Deepfake Generation and Detection, Analyzing Opportunities, Threading through Pros, Cons, and Future Prospects [0.0]
  ディープフェイク技術は、信じられないほど生き生きとした顔画像やビデオコンテンツを作るように設計されている。 本報告では,400種前後の出版物を含む,近年のディープフェイク発生・検出の進展を精査する。
  論文  参考訳（メタデータ） (2025-01-02T03:19:21Z)
• Knowledge-Guided Prompt Learning for Deepfake Facial Image Detection [54.26588902144298]
  ディープフェイク顔画像検出のための知識誘導型プロンプト学習法を提案する。 具体的には、学習可能なプロンプトの最適化を導くための専門家知識として、大規模言語モデルから偽造関連プロンプトを抽出する。 提案手法は最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-01-01T02:18:18Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)
• Colour and Brush Stroke Pattern Recognition in Abstract Art using Modified Deep Convolutional Generative Adversarial Networks [0.0]
  本稿では,GAN(Generative Adrial Neural Networks)を用いた抽象絵画の広範な分布について述べる。 課題は、一般的なトレーニングの落とし穴を克服する効率的なGANアーキテクチャを開発することだ。 本稿では,高品質なアートワーク生成のための改良型DCGAN (mDCGAN) を提案する。
  論文  参考訳（メタデータ） (2024-03-27T09:35:56Z)
• Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• The Age of Synthetic Realities: Challenges and Opportunities [85.058932103181]
  我々は、有害な合成生成を識別し、それらを現実と区別することのできる法医学的手法の開発における重要な必要性を強調した。 我々の焦点は、画像、ビデオ、オーディオ、テキストなどの様々なメディアの形式にまで及んでいる。 この研究は、AI生成技術の急速な進歩と、法科学の基本原理に対する影響により、最も重要である。
  論文  参考訳（メタデータ） (2023-06-09T15:55:10Z)
• Deepfake Style Transfer Mixture: a First Forensic Ballistics Study on Synthetic Images [0.0]
  本稿では,デジタル画像が何回処理されたかを,スタイル転送のための生成アーキテクチャを用いて検出する。 ディープフェイク画像の法医学的弾道学を正確に研究するために,スタイル・トランスファー操作の数学的特性について検討した。
  論文  参考訳（メタデータ） (2022-03-18T13:11:54Z)
• Partially fake it till you make it: mixing real and fake thermal images for improved object detection [29.13557322147509]
  熱画像における物体検出の文脈における提案システムの性能について述べる。 我々の単一モード検出器はFLIR ADASデータセットの最先端結果を達成する。
  論文  参考訳（メタデータ） (2021-06-25T12:56:09Z)

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。