論文の概要: TT-DF: A Large-Scale Diffusion-Based Dataset and Benchmark for Human Body Forgery Detection

• arxiv url: http://arxiv.org/abs/2505.08437v1
• Date: Tue, 13 May 2025 11:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.527444
• Title: TT-DF: A Large-Scale Diffusion-Based Dataset and Benchmark for Human Body Forgery Detection
• Title（参考訳）: TT-DF:人体偽造検出のための大規模拡散ベースデータセットとベンチマーク
• Authors: Wenkui Yang, Zhida Zhang, Xiaoqiang Zhou, Junxian Duan, Jie Cao,
• Abstract要約: そこで本研究では,1,378,857個の合成フレームを備えた6,120本の鍛造ビデオを含む,大規模な拡散型フォージェリーデータセットを提案する。 目的は、可能な限り網羅的に、潜在的に見えない偽造データをシミュレートすることであり、TT-DFのベンチマークも実施することである。 実験の結果,TOF-NetはTT-DFで良好な性能を示し,現在最先端の顔偽造検出モデルより優れていることがわかった。
• 参考スコア（独自算出の注目度）: 5.272652576086514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence and popularity of facial deepfake methods spur the vigorous development of deepfake datasets and facial forgery detection, which to some extent alleviates the security concerns about facial-related artificial intelligence technologies. However, when it comes to human body forgery, there has been a persistent lack of datasets and detection methods, due to the later inception and complexity of human body generation methods. To mitigate this issue, we introduce TikTok-DeepFake (TT-DF), a novel large-scale diffusion-based dataset containing 6,120 forged videos with 1,378,857 synthetic frames, specifically tailored for body forgery detection. TT-DF offers a wide variety of forgery methods, involving multiple advanced human image animation models utilized for manipulation, two generative configurations based on the disentanglement of identity and pose information, as well as different compressed versions. The aim is to simulate any potential unseen forged data in the wild as comprehensively as possible, and we also furnish a benchmark on TT-DF. Additionally, we propose an adapted body forgery detection model, Temporal Optical Flow Network (TOF-Net), which exploits the spatiotemporal inconsistencies and optical flow distribution differences between natural data and forged data. Our experiments demonstrate that TOF-Net achieves favorable performance on TT-DF, outperforming current state-of-the-art extendable facial forgery detection models. For our TT-DF dataset, please refer to https://github.com/HashTAG00002/TT-DF.
• Abstract（参考訳）: 顔のディープフェイク手法の出現と普及により、ディープフェイクデータセットの活発な開発と顔の偽造検出が促進され、顔関連の人工知能技術に対するセキュリティ上の懸念がある程度軽減される。 しかし、人体偽造に関しては、人体生成法の後期の開始と複雑さのため、データセットや検出方法の欠如が続いている。 この問題を軽減するため,TikTok-DeepFake (TT-DF) を新たに導入した。これは6,120個の偽造ビデオと1,378,857個の合成フレームを含む大規模な拡散ベースデータセットで,特に偽造検出に適したものだ。 TT-DFは、操作に使用される複数の高度な人間の画像アニメーションモデル、アイデンティティのアンタングルとポーズ情報に基づく2つの生成構成、および異なる圧縮されたバージョンを含む、様々な偽造方法を提供している。 目的は、可能な限り網羅的に、潜在的に見えない偽造データをシミュレートすることであり、TT-DFのベンチマークも実施することである。 さらに,自然データと偽データ間の時空間的不整合と光流分布の相違を利用した適応型ボディーフォージェリー検出モデルTOF-Netを提案する。 実験の結果,TOF-NetはTT-DFで良好な性能を示し,現在最先端の顔偽造検出モデルより優れていることがわかった。 TT-DFデータセットについては、https://github.com/HashTAG00002/TT-DFを参照してください。

関連論文リスト

• Deepfake Detection with Optimized Hybrid Model: EAR Biometric Descriptor via Improved RCNN [1.1356542363919058]
  耳の微妙な動きや形状の変化を頑健に検出し,耳のディスクリプタを生成する。 また,改良RCNNによる耳バイオメトリック記述子を考慮した新しいハイブリッドディープフェイク検出モデルを提案する。 提案手法は,CNN (Convolution Neural Network), SqueezeNet, LeNet, LinkNet, LSTM (Long Short-Term Memory), DFP (Deepfake Predictor), ResNext+CNN+LSTMなどの従来のモデルより優れている。
  論文  参考訳（メタデータ） (2025-03-16T07:01:29Z)
• Human Body Restoration with One-Step Diffusion Model and A New Benchmark [74.66514054623669]
  本稿では,高品質な自動収穫・フィルタリング(HQ-ACF)パイプラインを提案する。 このパイプラインは、既存のオブジェクト検出データセットやその他のラベル付けされていないイメージを活用して、高品質な人間の画像を自動的にトリミングし、フィルタリングする。 また,人体修復のための新しい1段階拡散モデルであるemphOSDHumanを提案する。
  論文  参考訳（メタデータ） (2025-02-03T14:48:40Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Forward-Forward Learning achieves Highly Selective Latent Representations for Out-of-Distribution Detection in Fully Spiking Neural Networks [6.7236795813629]
  生物学的システムにインスパイアされたスパイキングニューラルネットワーク(SNN)は、限界を克服するための有望な道を提供する。 本研究では,これらの課題に対処するために,スパイクフォワードフォワードアルゴリズム(FFA)の可能性を検討する。 本稿では,クラス分布からサンプルを遠ざける特徴を検出するための,新しい非勾配属性法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T08:08:17Z)
• 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)
• StofNet: Super-resolution Time of Flight Network [8.395656453902685]
  Time of Flight (ToF) は、ロボット工学、医用画像、非破壊検査の分野で広く使われている深度検知技術である。 本稿では,様々な環境を学習し,信頼性と高精度なToF検出を実現するための,現代の超解像技術の可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-08-23T09:02:01Z)
• 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)

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。