論文の概要: An Independent Discriminant Network Towards Identification of Counterfeit Images and Videos

• arxiv url: http://arxiv.org/abs/2506.05377v1
• Date: Fri, 30 May 2025 23:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.103737
• Title: An Independent Discriminant Network Towards Identification of Counterfeit Images and Videos
• Title（参考訳）: 偽画像と映像の識別に向けた独立判別ネットワーク
• Authors: Shayantani Kar, B. Shresth Bhimrajka, Aditya Kumar, Sahil Gupta, Sourav Ghosh, Subhamita Mukherjee, Shauvik Paul,
• Abstract要約: オンラインプラットフォーム上での偽画像やビデオの急速な拡散は、新たな問題だ。 この作業では、GAN生成した画像や動画を識別できる独立した識別ネットワークを使用する。 InceptionResNetV2に基づく畳み込みニューラルネットワークを用いて、識別ネットワークが作成されている。
• 参考スコア（独自算出の注目度）: 1.4944320330737475
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Rapid spread of false images and videos on online platforms is an emerging problem. Anyone may add, delete, clone or modify people and entities from an image using various editing software which are readily available. This generates false and misleading proof to hide the crime. Now-a-days, these false and counterfeit images and videos are flooding on the internet. These spread false information. Many methods are available in literature for detecting those counterfeit contents but new methods of counterfeiting are also evolving. Generative Adversarial Networks (GAN) are observed to be one effective method as it modifies the context and definition of images producing plausible results via image-to-image translation. This work uses an independent discriminant network that can identify GAN generated image or video. A discriminant network has been created using a convolutional neural network based on InceptionResNetV2. The article also proposes a platform where users can detect forged images and videos. This proposed work has the potential to help the forensics domain to detect counterfeit videos and hidden criminal evidence towards the identification of criminal activities.
• Abstract（参考訳）: オンラインプラットフォーム上での偽画像やビデオの急速な拡散は、新たな問題だ。 誰でも、簡単に利用可能な様々な編集ソフトウェアを使用して、画像から人やエンティティを追加、削除、クローン、修正することができる。 これにより、犯罪を隠蔽する偽りの証拠が生み出される。 今や、偽造画像や偽造ビデオがインターネットに溢れている。 これらは偽情報を広めた。 偽造内容を検出するための多くの方法が文献で見られるが、偽造の新しい方法も進化している。 GAN(Generative Adversarial Networks)は、画像から画像への変換によって可視な結果を生成する画像のコンテキストと定義を変更することで、有効な方法の1つとして観察される。 この作業では、GAN生成した画像や動画を識別できる独立した識別ネットワークを使用する。 InceptionResNetV2に基づく畳み込みニューラルネットワークを用いて、識別ネットワークが作成されている。 また、ユーザーが偽造画像やビデオを検出できるプラットフォームも提案している。 この提案された研究は、犯罪行為の特定に向けた偽造ビデオや隠された犯罪証拠を検出するために、法医学領域を支援する可能性がある。

関連論文リスト

• DIAGNOSIS: Detecting Unauthorized Data Usages in Text-to-image Diffusion Models [79.71665540122498]
  保護されたデータセットにインジェクトされたコンテンツを配置することで、不正なデータ利用を検出する手法を提案する。 具体的には、ステルス画像ワープ機能を用いて、これらの画像にユニークな内容を追加することにより、保護された画像を修正する。 このモデルが注入されたコンテンツを記憶したかどうかを解析することにより、不正に不正に使用したモデルを検出することができる。
  論文  参考訳（メタデータ） (2023-07-06T16:27:39Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)
• Image Generation Network for Covert Transmission in Online Social Network [24.203631473348462]
  そこで我々は,CIS-Netと呼ばれるCoverless Image Steganography Networkを提案する。 受信機は、JPEG圧縮攻撃によって画像が歪んだとしても、損失なく隠されたメッセージを抽出することができる。
  論文  参考訳（メタデータ） (2022-07-21T04:07:01Z)
• A Survey of Deep Fake Detection for Trial Courts [2.320417845168326]
  DeepFakeのアルゴリズムは、人間が本物と区別できない偽のイメージやビデオを作成することができる。 偽の情報を拡散するのを避けるために、偽の動画を検出することが不可欠になっている。 本稿では,DeepFakeを検知する手法と,DeepFakeを検出できるデータセットについて検討する。
  論文  参考訳（メタデータ） (2022-05-31T13:50:25Z)
• Deep Fake Detection: Survey of Facial Manipulation Detection Solutions [0.0]
  我々は、アートニューラルネットワーク(MesoNet、ResNet-50、VGG-19、Xception Net)のいくつかの状態を分析し、それらを互いに比較する。 オンラインソーシャルメディアプラットフォームにデプロイされるリアルタイムのディープフェイク検出など,さまざまなシナリオに対する最適なソリューションを見つけました。
  論文  参考訳（メタデータ） (2021-06-23T18:08:07Z)
• What makes fake images detectable? Understanding properties that generalize [55.4211069143719]
  深層ネットワークは、博士画像の微妙なアーティファクトを拾い上げることができる。 我々は、偽画像のどの特性が検出可能かを理解することを模索する。 検出可能な特性を誇張する手法を示す。
  論文  参考訳（メタデータ） (2020-08-24T17:50:28Z)
• Detecting Face2Face Facial Reenactment in Videos [76.9573023955201]
  本研究では,再現性に基づく変化を検出する学習に基づくアルゴリズムを提案する。 提案アルゴリズムは,局所的なアーティファクトを学習し,様々な圧縮レベルで堅牢な性能を提供するマルチストリームネットワークを用いている。 その結果, 99.96%, 99.10%, 91.20%の非, 容易, 硬度圧縮係数が得られた。
  論文  参考訳（メタデータ） (2020-01-21T11:03:50Z)
• FDFtNet: Facing Off Fake Images using Fake Detection Fine-tuning Network [19.246576904646172]
  本稿では,FaketNetと呼ばれる,軽量な微調整ニューラルネットワークアーキテクチャを提案する。 提案手法は,偽画像の検出を効果的に行うための微調整のために,数枚の画像のみを用いて,人気のある事前学習モデルを再利用することを目的としている。 我々の tNet は GANs ベースのデータセットから生成された偽画像の総合的精度 9029% を達成する。
  論文  参考訳（メタデータ） (2020-01-05T16:04:17Z)

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。