論文の概要: CorrDetail: Visual Detail Enhanced Self-Correction for Face Forgery Detection

• arxiv url: http://arxiv.org/abs/2507.05302v1
• Date: Mon, 07 Jul 2025 06:29:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.250813
• Title: CorrDetail: Visual Detail Enhanced Self-Correction for Face Forgery Detection
• Title（参考訳）: CorrDetail: 顔偽造検出のためのビジュアルディテール強化自己補正
• Authors: Binjia Zhou, Hengrui Lou, Lizhe Chen, Haoyuan Li, Dawei Luo, Shuai Chen, Jie Lei, Zunlei Feng, Yijun Bei,
• Abstract要約: 顔偽造検出のための視覚的強調自己補正フレームワークであるCorrDetailを紹介した。 CorrDetailは、エラー誘導質問機能を備えた場合、真偽の詳細を精巧に修正するように設計されている。 視覚的きめ細かい詳細拡張モジュールが組み込まれており、より正確な視覚的偽造の詳細をCorrDetailに提供する。
• 参考スコア（独自算出の注目度）: 14.532286049384965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the swift progression of image generation technology, the widespread emergence of facial deepfakes poses significant challenges to the field of security, thus amplifying the urgent need for effective deepfake detection.Existing techniques for face forgery detection can broadly be categorized into two primary groups: visual-based methods and multimodal approaches. The former often lacks clear explanations for forgery details, while the latter, which merges visual and linguistic modalities, is more prone to the issue of hallucinations.To address these shortcomings, we introduce a visual detail enhanced self-correction framework, designated CorrDetail, for interpretable face forgery detection. CorrDetail is meticulously designed to rectify authentic forgery details when provided with error-guided questioning, with the aim of fostering the ability to uncover forgery details rather than yielding hallucinated responses. Additionally, to bolster the reliability of its findings, a visual fine-grained detail enhancement module is incorporated, supplying CorrDetail with more precise visual forgery details. Ultimately, a fusion decision strategy is devised to further augment the model's discriminative capacity in handling extreme samples, through the integration of visual information compensation and model bias reduction.Experimental results demonstrate that CorrDetail not only achieves state-of-the-art performance compared to the latest methodologies but also excels in accurately identifying forged details, all while exhibiting robust generalization capabilities.
• Abstract（参考訳）: 画像生成技術の急激な進歩により、顔深部フェイクの出現は、セキュリティ分野に重大な課題をもたらし、効果的な深部フェイク検出の緊急ニーズを増幅し、顔偽造検出のための既存の技術は、視覚的手法とマルチモーダルアプローチの2つの主要なグループに広く分類することができる。 前者は虚偽の詳細について明確な説明を欠くことが多いが、後者は視覚的モダリティと言語的モダリティを融合させたもので、幻覚の問題に対処するため、顔偽造検出のための視覚的詳細強化自己補正フレームワークCorrDetailを導入する。 CorrDetailは、エラー誘導質問機能を備えた場合、真偽の詳細を精巧に修正するために設計されており、幻覚応答を得るのではなく、偽の詳細を発見できることを促進することを目的としている。 さらに、その発見の信頼性を高めるために、より正確な視覚的偽造の詳細をCorrDetailに提供する、視覚的きめ細かい詳細拡張モジュールが組み込まれている。 最終的に、視覚情報補償とモデルバイアス低減の統合により、極端なサンプルを扱う際のモデルの識別能力をさらに増強するために、融合決定戦略が考案され、実験結果から、CorrDetailは最新の手法と比較して最先端のパフォーマンスを達成するだけでなく、厳密な一般化能力を示しながら、偽造された詳細を正確に識別する能力も優れていることが示されている。

関連論文リスト

• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Counterfactual Explanations for Face Forgery Detection via Adversarial Removal of Artifacts [23.279652897139286]
  ディープフェイクとして知られる、非常にリアルなAI生成顔偽造は、深刻な社会的懸念を引き起こしている。 本稿では,人工物除去の観点からの顔偽造検出の非現実的説明を行う。 本手法は,90%以上の攻撃成功率と優れた攻撃伝達性を実現する。
  論文  参考訳（メタデータ） (2024-04-12T09:13:37Z)
• What Matters When Repurposing Diffusion Models for General Dense Perception Tasks? [49.84679952948808]
  最近の研究は、高密度知覚タスクのためのT2I拡散モデルを簡単に調整することで有望な結果を示す。 拡散前処理における伝達効率と性能に影響を及ぼす重要な要因を徹底的に検討する。 我々の研究は、濃密な視覚認知タスクに特化した効果的な決定論的ワンステップ微調整パラダイムであるGenPerceptの開発において頂点に達した。
  論文  参考訳（メタデータ） (2024-03-10T04:23:24Z)
• 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)
• SeeABLE: Soft Discrepancies and Bounded Contrastive Learning for Exposing Deepfakes [7.553507857251396]
  本研究では,検出問題を(一級)アウト・オブ・ディストリビューション検出タスクとして形式化する,SeeABLEと呼ばれる新しいディープフェイク検出器を提案する。 SeeABLEは、新しい回帰ベースの有界コントラスト損失を使用して、乱れた顔を事前定義されたプロトタイプにプッシュする。 我々のモデルは競合する最先端の検出器よりも高い性能を示しながら、高度に一般化能力を示す。
  論文  参考訳（メタデータ） (2022-11-21T09:38:30Z)
• Disentangle Saliency Detection into Cascaded Detail Modeling and Body Filling [68.73040261040539]
  本稿では,サリエンシ検出タスクを2つのサブタスク,すなわち詳細モデリングとボディフィリングに分解することを提案する。 具体的には、詳細モデリングは、明示的に分解された詳細ラベルの監督によってオブジェクトエッジをキャプチャすることに焦点を当てる。 ボディフィリングは、ディテールマップに充填されるボディ部分を学び、より正確なサリエンシマップを生成する。
  論文  参考訳（メタデータ） (2022-02-08T19:33:02Z)
• Interpretable Detail-Fidelity Attention Network for Single Image Super-Resolution [89.1947690981471]
  本研究では,スムースとディテールを段階的に分割・収束的に処理する,目的・解釈可能なディテール・ファイダリティ・アテンション・ネットワークを提案する。 特に,詳細推論において顕著な解釈可能な特徴表現のためのヘシアンフィルタを提案する。 実験により,提案手法は最先端手法よりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2020-09-28T08:31:23Z)

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。