論文の概要: Trident: Detecting Face Forgeries with Adversarial Triplet Learning

• arxiv url: http://arxiv.org/abs/2506.23189v1
• Date: Sun, 29 Jun 2025 11:17:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.765016
• Title: Trident: Detecting Face Forgeries with Adversarial Triplet Learning
• Title（参考訳）: Trident: Adversarial Triplet Learning による顔情報の検出
• Authors: Mustafa Hakan Kara, Aysegul Dundar, Uğur Güdükbay,
• Abstract要約: textitTridentは、偽造のニュアンスな違いを分離するために、キュレートされた三つ子で訓練される。 擬似判別器を用いたドメイン・アドバイサル・トレーニングは、擬似非依存表現への埋め込みモデルを導出する。
• 参考スコア（独自算出の注目度）: 5.101710685818588
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As face forgeries generated by deep neural networks become increasingly sophisticated, detecting face manipulations in digital media has posed a significant challenge, underscoring the importance of maintaining digital media integrity and combating visual disinformation. Current detection models, predominantly based on supervised training with domain-specific data, often falter against forgeries generated by unencountered techniques. In response to this challenge, we introduce \textit{Trident}, a face forgery detection framework that employs triplet learning with a Siamese network architecture for enhanced adaptability across diverse forgery methods. \textit{Trident} is trained on curated triplets to isolate nuanced differences of forgeries, capturing fine-grained features that distinguish pristine samples from manipulated ones while controlling for other variables. To further enhance generalizability, we incorporate domain-adversarial training with a forgery discriminator. This adversarial component guides our embedding model towards forgery-agnostic representations, improving its robustness to unseen manipulations. In addition, we prevent gradient flow from the classifier head to the embedding model, avoiding overfitting induced by artifacts peculiar to certain forgeries. Comprehensive evaluations across multiple benchmarks and ablation studies demonstrate the effectiveness of our framework. We will release our code in a GitHub repository.
• Abstract（参考訳）: ディープニューラルネットワークによって生成される顔の偽造がますます洗練されていくにつれ、デジタルメディアにおける顔操作の検出は、デジタルメディアの完全性を維持することの重要性と、視覚的偽情報と戦うことの重要性を強調して、大きな課題を招いている。 現在の検出モデルは、主にドメイン固有のデータによる教師付きトレーニングに基づいており、多くの場合、数え切れないテクニックによって生成された偽造に反する。 この課題に対応するために,シムズネットワークアーキテクチャを用いた三重項学習を用いた顔偽造検出フレームワークである‘textit{Trident} を導入し,多種多様な偽造手法の適応性を向上する。 \textit{Trident}はキュレートされた三つ子でトレーニングされ、偽造のニュアンスな違いを分離し、他の変数を制御しながら操作されたものからプリスタンス標本を識別するきめ細かい特徴をキャプチャする。 一般化性をさらに向上するため,偽判別器を用いたドメイン・アドバイザリアル・トレーニングを取り入れた。 この逆成分は、埋め込みモデルを偽造非依存表現へ誘導し、その堅牢性を改善して、目に見えない操作を行う。 さらに,分類器ヘッドから埋め込みモデルへの勾配流を防止し,特定の偽造物に特有の人工物による過度な適合を回避する。 複数のベンチマークとアブレーション研究の総合的な評価は、我々のフレームワークの有効性を実証している。 コードをGitHubリポジトリでリリースします。

関連論文リスト

• Learning Knowledge-based Prompts for Robust 3D Mask Presentation Attack Detection [84.21257150497254]
  本稿では,3次元マスク提示攻撃検出のための視覚言語モデルの強力な一般化能力を検討するための,知識に基づく新しいプロンプト学習フレームワークを提案する。 実験により,提案手法は最先端のシナリオ内およびクロスシナリオ検出性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-05-06T15:09:23Z)
• 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)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Adversarial Masking Contrastive Learning for vein recognition [10.886119051977785]
  ベイン認識は、セキュリティとプライバシーの高さから注目を集めている。 静脈認識のために、畳み込みニューラルネットワーク(CNN)やトランスフォーマーのようなディープニューラルネットワークが導入されている。 近年の進歩にもかかわらず、画像サンプルの不足のため、指先の特徴抽出のための既存のソリューションはまだ最適ではない。
  論文  参考訳（メタデータ） (2024-01-16T03:09:45Z)
• 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)
• Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
  ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。 ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。 本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-27T17:22:41Z)
• FedForgery: Generalized Face Forgery Detection with Residual Federated Learning [87.746829550726]
  既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。 顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。 顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
  論文  参考訳（メタデータ） (2022-10-18T03:32:18Z)

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。