論文の概要: Forgery Guided Learning Strategy with Dual Perception Network for Deepfake Cross-domain Detection

• arxiv url: http://arxiv.org/abs/2508.10741v1
• Date: Thu, 14 Aug 2025 15:27:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.38082
• Title: Forgery Guided Learning Strategy with Dual Perception Network for Deepfake Cross-domain Detection
• Title（参考訳）: ディープフェイククロスドメイン検出のためのデュアルパーセプションネットワークを用いた偽学習戦略
• Authors: Lixin Jia, Zhiqing Guo, Gaobo Yang, Liejun Wang, Keqin Li,
• Abstract要約: 現在のディープフェイク検出方法は特定のデータセットでうまく機能するが、未知の偽造技術を持つデータセットに適用すると性能が低下する。 本稿では,検出ネットワークが未知のフォージェリ手法に継続的に適応できるように,FGL(Forgery Guided Learning)戦略を提案する。 また、偽トレース間の差異と関係をキャプチャするDual Perception Network(DPNet)を設計する。
• 参考スコア（独自算出の注目度）: 16.00906146901831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of deepfake technology has introduced a range of societal problems, garnering considerable attention. Current deepfake detection methods perform well on specific datasets, but exhibit poor performance when applied to datasets with unknown forgery techniques. Moreover, as the gap between emerging and traditional forgery techniques continues to widen, cross-domain detection methods that rely on common forgery traces are becoming increasingly ineffective. This situation highlights the urgency of developing deepfake detection technology with strong generalization to cope with fast iterative forgery techniques. To address these challenges, we propose a Forgery Guided Learning (FGL) strategy designed to enable detection networks to continuously adapt to unknown forgery techniques. Specifically, the FGL strategy captures the differential information between known and unknown forgery techniques, allowing the model to dynamically adjust its learning process in real time. To further improve the ability to perceive forgery traces, we design a Dual Perception Network (DPNet) that captures both differences and relationships among forgery traces. In the frequency stream, the network dynamically perceives and extracts discriminative features across various forgery techniques, establishing essential detection cues. These features are then integrated with spatial features and projected into the embedding space. In addition, graph convolution is employed to perceive relationships across the entire feature space, facilitating a more comprehensive understanding of forgery trace correlations. Extensive experiments show that our approach generalizes well across different scenarios and effectively handles unknown forgery challenges, providing robust support for deepfake detection. Our code is available on https://github.com/vpsg-research/FGL.
• Abstract（参考訳）: ディープフェイク技術の出現は、様々な社会問題を引き起こし、かなりの注目を集めている。 現在のディープフェイク検出方法は特定のデータセットでうまく機能するが、未知の偽造技術を持つデータセットに適用すると性能が低下する。 さらに、新しい偽造技術と従来の偽造技術とのギャップが広がるにつれて、共通の偽造トレースに依存するクロスドメイン検出手法はますます非効率になりつつある。 この状況は、迅速な反復的偽造技術に対処する強力な一般化を伴うディープフェイク検出技術の開発の緊急性を強調している。 これらの課題に対処するために,検出ネットワークが未知の偽造技術に継続的に適応できるようにするためのFGL(Forgery Guided Learning)戦略を提案する。 具体的には、FGL戦略は、既知の偽造技術と未知の偽造技術との差分情報をキャプチャし、モデルが学習プロセスをリアルタイムで動的に調整できるようにする。 偽トレースを知覚する能力をさらに向上するため,偽トレース間の差異と関係をキャプチャするDual Perception Network (DPNet) を設計した。 周波数ストリームにおいて、ネットワークは様々な偽造技術にまたがる識別的特徴を動的に知覚し、抽出し、本質的な検出方法を確立する。 これらの特徴は空間的特徴と統合され、埋め込み空間に投影される。 さらに、グラフの畳み込みは、機能空間全体の関係を知覚するために使われ、偽トレース相関のより包括的な理解を促進する。 大規模な実験により,本手法は様々なシナリオにまたがってうまく一般化し,未知の偽造問題に効果的に対処し,ディープフェイク検出の堅牢なサポートを提供することが示された。 私たちのコードはhttps://github.com/vpsg-research/FGLで公開されています。

関連論文リスト

• BotTrans: A Multi-Source Graph Domain Adaptation Approach for Social Bot Detection [55.31623652907614]
  ソーシャルボットを検出するために,textitBotTrans というマルチソースグラフドメイン適応モデルを提案する。 まず、複数のソースネットワーク間で共有されるラベル付けの知識を活用して、クロスソースドメイントポロジを確立します。 次に、ソースノード埋め込みの識別性を高めるために、クロスドメイン隣の情報を集約する。
  論文  参考訳（メタデータ） (2025-06-12T02:10:36Z)
• Towards Open-world Generalized Deepfake Detection: General Feature Extraction via Unsupervised Domain Adaptation [15.737902253508235]
  ソーシャルプラットフォームには大量のラベルのない合成データと本物のデータが溢れている。 オープンワールドのシナリオでは、ラベルなしデータの量はラベル付きデータよりもはるかに多い。 我々は,既存の手法の一般化能力を向上させるために,新しいオープンワールドディープフェイク検出一般化訓練戦略(OWG-DS)を提案する。
  論文  参考訳（メタデータ） (2025-05-18T10:12:12Z)
• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
  クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。 既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。 顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
  論文  参考訳（メタデータ） (2023-09-30T12:30:25Z)
• Intrusion Detection: A Deep Learning Approach [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN)モジュールとLong Short Term Memory(LSTM)モジュール,SVM(Support Vector Machine)分類機能を備えた侵入検出システムを提案する。 この分析に続いて、従来の機械学習技術と深層学習手法を比較し、さらに探索可能な領域を強調した。
  論文  参考訳（メタデータ） (2023-06-13T07:58:40Z)
• 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)
• GCN-based Multi-task Representation Learning for Anomaly Detection in Attributed Networks [31.565081319419225]
  近年、金融、ネットワークセキュリティ、医療など幅広い分野に応用されているため、属性付きネットワークにおける異常検出が注目されている。 従来のアプローチは、異常検出の問題を解決するために、属性付きネットワークの設定には適用できない。 マルチタスク学習を用いた異常検出の新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-07-08T04:54:53Z)
• A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
  プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。 我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。 この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
  論文  参考訳（メタデータ） (2021-01-12T21:20:09Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。