論文の概要: Enhanced Deep Learning DeepFake Detection Integrating Handcrafted Features
- arxiv url: http://arxiv.org/abs/2507.20608v1
- Date: Mon, 28 Jul 2025 08:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:57.977836
- Title: Enhanced Deep Learning DeepFake Detection Integrating Handcrafted Features
- Title（参考訳）: 手作り機能の統合による深層学習深度検出の強化
- Authors: Alejandro Hinke-Navarro, Mario Nieto-Hidalgo, Juan M. Espin, Juan E. Tapia,
- Abstract要約: ディープフェイクとフェイススワップ技術は、デジタルセキュリティに大きな懸念を引き起こしている。
本研究では,手作りの周波数領域特徴と従来のRGB入力を併用した深層学習検出フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 44.45692491500845
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The rapid advancement of deepfake and face swap technologies has raised significant concerns in digital security, particularly in identity verification and onboarding processes. Conventional detection methods often struggle to generalize against sophisticated facial manipulations. This study proposes an enhanced deep-learning detection framework that combines handcrafted frequency-domain features with conventional RGB inputs. This hybrid approach exploits frequency and spatial domain artifacts introduced during image manipulation, providing richer and more discriminative information to the classifier. Several frequency handcrafted features were evaluated, including the Steganalysis Rich Model, Discrete Cosine Transform, Error Level Analysis, Singular Value Decomposition, and Discrete Fourier Transform
- Abstract（参考訳）: ディープフェイク技術とフェイススワップ技術の急速な進歩は、デジタルセキュリティ、特にアイデンティティ検証とオンボーディングプロセスにおいて大きな懸念を引き起こしている。
従来の検出法は、しばしば洗練された顔の操作に対して一般化するのに苦労する。
本研究では,手作りの周波数領域特徴と従来のRGB入力を併用した深層学習検出フレームワークを提案する。
このハイブリッドアプローチは、画像操作中に導入された周波数および空間領域のアーティファクトを利用して、分類器によりリッチでより識別性の高い情報を提供する。
ステガナリシスリッチモデル,離散コサイン変換,誤差レベル解析,特異値分解,離散フーリエ変換など,いくつかの周波数ハンドクラフト特性の評価を行った。
関連論文リスト
- Towards Generalizable Deepfake Detection with Spatial-Frequency Collaborative Learning and Hierarchical Cross-Modal Fusion [3.9408262382784236]
本稿では,マルチスケール空間周波数解析を統合した新しいフレームワークを提案する。
本手法は精度と一般化性の両方で最先端のディープフェイク検出法より優れる。
論文 参考訳（メタデータ） (2025-04-24T03:23:35Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。
具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。
提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2022-09-12T15:05:41Z) - Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。
我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-03-27T14:25:52Z) - Exploiting Fine-grained Face Forgery Clues via Progressive Enhancement
Learning [12.585152735152937]
偽造検知は セキュリティ上の懸念から ますます注目を集めています
既存のアプローチでは、周波数情報を使用して、高品質な偽造顔の下で微妙なアーティファクトをマイニングしようとする。
本稿では,RGBときめ細かな周波数手がかりの両方を活用できるプログレッシブエンハンスメント学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-28T03:18:53Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z) - Fake Visual Content Detection Using Two-Stream Convolutional Neural
Networks [14.781702606707642]
周波数領域と空間領域の特徴を補完する2ストリーム畳み込みニューラルネットワークアーキテクチャであるTwoStreamNetを提案する。
提案手法は, 現状の偽コンテンツ検出装置に比べ, 大幅に性能が向上した。
論文 参考訳（メタデータ） (2021-01-03T18:05:07Z)
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。