論文の概要: Spotting tell-tale visual artifacts in face swapping videos: strengths and pitfalls of CNN detectors
- arxiv url: http://arxiv.org/abs/2506.16497v1
- Date: Thu, 19 Jun 2025 17:51:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.197249
- Title: Spotting tell-tale visual artifacts in face swapping videos: strengths and pitfalls of CNN detectors
- Title（参考訳）: CNN検出器の強度と落とし穴
- Authors: Riccardo Ziglio, Cecilia Pasquini, Silvio Ranise,
- Abstract要約: ビデオストリームにおける顔交換操作は、リモートビデオ通信における脅威の増大を表している。
近年の文献では,ビデオフレームに導入された視覚的アーティファクトを,アルゴリズムのスワップによって特徴付け,活用することを提案する。
本稿では,2つのデータコーパス上でのCNNに基づくデータ駆動モデルのベンチマークにより,本手法の有効性について検討する。
- 参考スコア（独自算出の注目度）: 2.89209645531276
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Face swapping manipulations in video streams represents an increasing threat in remote video communications, due to advances in automated and real-time tools. Recent literature proposes to characterize and exploit visual artifacts introduced in video frames by swapping algorithms when dealing with challenging physical scenes, such as face occlusions. This paper investigates the effectiveness of this approach by benchmarking CNN-based data-driven models on two data corpora (including a newly collected one) and analyzing generalization capabilities with respect to different acquisition sources and swapping algorithms. The results confirm excellent performance of general-purpose CNN architectures when operating within the same data source, but a significant difficulty in robustly characterizing occlusion-based visual cues across datasets. This highlights the need for specialized detection strategies to deal with such artifacts.
- Abstract（参考訳）: ビデオストリームにおける顔交換操作は、自動化およびリアルタイムツールの進歩により、リモートビデオ通信の脅威が増大していることを示している。
近年の文献では、顔の隠蔽のような難解な物理的シーンを扱う際に、アルゴリズムを交換することで、ビデオフレームに導入された視覚的アーティファクトを特徴付け、活用することを提案する。
本稿では,2つのデータコーパス(新たに収集したコーパスを含む)上でCNNベースのデータ駆動モデルをベンチマークし,異なる取得ソースとスワップアルゴリズムに関する一般化能力を解析することにより,本手法の有効性について検討する。
その結果、同一データソース内で動作する場合の汎用CNNアーキテクチャの性能は良好であるが、データセット間でのオクルージョンに基づく視覚的手がかりを頑健に特徴付けることは極めて困難である。
これは、そのようなアーティファクトを扱うための特別な検出戦略の必要性を強調している。
関連論文リスト
- Understanding Long Videos via LLM-Powered Entity Relation Graphs [51.13422967711056]
GraphVideoAgentは、ビデオシーケンスを通して視覚的エンティティ間の進化する関係をマップし、監視するフレームワークである。
当社の手法は,業界ベンチマークと比較した場合,顕著な効果を示す。
論文 参考訳（メタデータ） (2025-01-27T10:57:24Z) - Improving Video Deepfake Detection: A DCT-Based Approach with
Patch-Level Analysis [0.0]
Iフレームは、文献に記述されたアプローチよりも高速な計算と分析を提供するために抽出された。
個々のビデオフレーム内の識別領域を特定するために、フレーム全体、背景、顔、目、鼻、口、顔フレームを別々に分析した。
実験の結果,眼と口の領域は最も差別的であり,解析により映像の性質を判断できることがわかった。
論文 参考訳（メタデータ） (2023-10-17T12:30:46Z) - Mitigating Representation Bias in Action Recognition: Algorithms and
Benchmarks [76.35271072704384]
ディープラーニングモデルは、稀なシーンやオブジェクトを持つビデオに適用すると、パフォーマンスが悪くなります。
この問題にはアルゴリズムとデータセットの2つの異なる角度から対処する。
偏りのある表現は、他のデータセットやタスクに転送するとより一般化できることを示す。
論文 参考訳（メタデータ） (2022-09-20T00:30:35Z) - Multimodal Graph Learning for Deepfake Detection [10.077496841634135]
既存のディープフェイク検出器は、堅牢性と一般化を達成する上でいくつかの課題に直面している。
本稿では,マルチモーダルグラフ学習(MGL)という新しいフレームワークを提案する。
提案手法は,ディープフェイク検出のための特徴を効果的に識別し,活用することを目的としている。
論文 参考訳（メタデータ） (2022-09-12T17:17:49Z) - Video Salient Object Detection via Contrastive Features and Attention
Modules [106.33219760012048]
本稿では,注目モジュールを持つネットワークを用いて,映像の有意な物体検出のためのコントラスト特徴を学習する。
コアテンションの定式化は、低レベル特徴と高レベル特徴を組み合わせるために用いられる。
提案手法は計算量が少なく,最先端の手法に対して良好に動作することを示す。
論文 参考訳（メタデータ） (2021-11-03T17:40:32Z) - HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。
本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。
我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
論文 参考訳（メタデータ） (2021-10-05T01:18:15Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。
本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
論文 参考訳（メタデータ） (2020-10-25T10:48:28Z) - Dynamic texture analysis for detecting fake faces in video sequences [6.1356022122903235]
本研究では,映像信号のテクスチャ・時間的ダイナミクスの解析について検討する。
目標は、実際の偽のシーケンスを識別し、識別することである。
時間セグメントの連成解析に基づいて複数の二分決定を構築することを提案する。
論文 参考訳（メタデータ） (2020-07-30T07:21:24Z) - Deepfakes Detection with Automatic Face Weighting [21.723416806728668]
コンボリューションニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)に基づいて,映像中の顔から視覚的特徴と時間的特徴を抽出し,操作を正確に検出する手法を提案する。
この手法はDeepfake Detection Challengeデータセットを用いて評価され、他の手法と比較して競合的な結果が得られる。
論文 参考訳（メタデータ） (2020-04-25T00:47:42Z)
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。