論文の概要: Cross-Branch Orthogonality for Improved Generalization in Face Deepfake Detection

• arxiv url: http://arxiv.org/abs/2505.04888v1
• Date: Thu, 08 May 2025 01:49:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.716729
• Title: Cross-Branch Orthogonality for Improved Generalization in Face Deepfake Detection
• Title（参考訳）: 顔深度検出における一般化のためのクロスブランチ直交性
• Authors: Tharindu Fernando, Clinton Fookes, Sridha Sridharan, Simon Denman,
• Abstract要約: ディープフェイクは法執行機関や一般大衆にとって迷惑になっている。 既存のディープフェイク検出器は、ディープフェイク生成のペースの改善に追随するのに苦労している。 本稿では,粗い空間情報,意味情報,それらの相互作用を活用する新しい戦略を提案する。
• 参考スコア（独自算出の注目度）: 43.2796409299818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remarkable advancements in generative AI technology have given rise to a spectrum of novel deepfake categories with unprecedented leaps in their realism, and deepfakes are increasingly becoming a nuisance to law enforcement authorities and the general public. In particular, we observe alarming levels of confusion, deception, and loss of faith regarding multimedia content within society caused by face deepfakes, and existing deepfake detectors are struggling to keep up with the pace of improvements in deepfake generation. This is primarily due to their reliance on specific forgery artifacts, which limits their ability to generalise and detect novel deepfake types. To combat the spread of malicious face deepfakes, this paper proposes a new strategy that leverages coarse-to-fine spatial information, semantic information, and their interactions while ensuring feature distinctiveness and reducing the redundancy of the modelled features. A novel feature orthogonality-based disentanglement strategy is introduced to ensure branch-level and cross-branch feature disentanglement, which allows us to integrate multiple feature vectors without adding complexity to the feature space or compromising generalisation. Comprehensive experiments on three public benchmarks: FaceForensics++, Celeb-DF, and the Deepfake Detection Challenge (DFDC) show that these design choices enable the proposed approach to outperform current state-of-the-art methods by 5% on the Celeb-DF dataset and 7% on the DFDC dataset in a cross-dataset evaluation setting.
• Abstract（参考訳）: 生成AI技術の顕著な進歩は、現実主義に前例のない飛躍を遂げた新しいディープフェイクカテゴリーを生み出し、ディープフェイクは法執行機関や一般大衆にとってますます迷惑になっている。 特に,フェイスディープフェイクによる社会内のマルチメディアコンテンツに対する,混乱,騙し,信頼の喪失を警告し,既存のディープフェイク検出装置は,ディープフェイク生成の改善のペースに追随するのに苦労している。 これは主に、特定の偽造品に依存しており、新しいディープフェイクタイプを一般化し検出する能力を制限しているためである。 悪意ある顔の深部フェイクの拡散に対処するために, 粗い空間情報, セマンティック情報, およびそれらの相互作用を利用して, 特徴の識別性を確保し, モデル化された特徴の冗長性を低減できる新しい戦略を提案する。 特徴空間に複雑性を加えることなく複数の特徴ベクトルを統合することができ、また一般化を促進することができる。 FaceForensics++、Celeb-DF、Deepfake Detection Challenge (DFDC)の3つの公開ベンチマークに関する総合的な実験は、これらの設計選択によって、Celeb-DFデータセットで5%、DFDCデータセットで7%、現在の最先端メソッドよりもパフォーマンスが向上することを示す。

関連論文リスト

• Robust AI-Generated Face Detection with Imbalanced Data [10.360215701635674]
  現在のディープフェイク検出技術は、ローカルアーティファクトに焦点を当てたCNNベースの手法から、CLIPのようなビジョントランスフォーマーやマルチモーダルモデルを使ったより高度なアプローチへと進化してきた。 近年の進歩にもかかわらず、最先端のディープフェイク検出器は、新しい生成モデルからの分布シフトを扱う上で大きな課題に直面している。 動的損失再重み付けとランキングに基づく最適化を組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-04T17:02:10Z)
• Securing Social Media Against Deepfakes using Identity, Behavioral, and Geometric Signatures [6.3947036687002985]
  ソーシャルメディアへの信頼は、社会的な大きな変化に影響を及ぼす能力によって、懸念が高まっている。 ディープフェイクマルチメディアは共有コンテンツの信頼性を損なう。 既存の検出テクニックは、トレーニングされた特定のタイプのディープフェイクに対してのみ、うまく機能する傾向があります。
  論文  参考訳（メタデータ） (2024-12-07T01:17:21Z)
• DiffusionFake: Enhancing Generalization in Deepfake Detection via Guided Stable Diffusion [94.46904504076124]
  ディープフェイク技術は、顔交換を極めて現実的にし、偽造された顔コンテンツの使用に対する懸念を高めている。 既存の方法は、顔操作の多様な性質のため、目に見えない領域に一般化するのに苦労することが多い。 顔偽造者の生成過程を逆転させて検出モデルの一般化を促進する新しいフレームワークであるDiffusionFakeを紹介する。
  論文  参考訳（メタデータ） (2024-10-06T06:22:43Z)
• 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)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)

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。