論文の概要: A Spatial-Frequency Aware Multi-Scale Fusion Network for Real-Time Deepfake Detection

• arxiv url: http://arxiv.org/abs/2508.20449v1
• Date: Thu, 28 Aug 2025 05:55:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:02.056076
• Title: A Spatial-Frequency Aware Multi-Scale Fusion Network for Real-Time Deepfake Detection
• Title（参考訳）: リアルタイムディープフェイク検出のための空間周波数対応マルチスケールフュージョンネットワーク
• Authors: Libo Lv, Tianyi Wang, Mengxiao Huang, Ruixia Liu, Yinglong Wang,
• Abstract要約: 本稿では,リアルタイムディープフェイク検出のための軽量で効果的なアーキテクチャを提案する。 空間テクスチャと周波数アーティファクトを併用した空間周波数ハイブリッド認識モジュールを設計する。 いくつかのベンチマークデータセットの実験では、SFMFNetは精度と効率のバランスを良好に達成し、リアルタイムアプリケーションに対して強力な一般化と実用的な価値を達成している。
• 参考スコア（独自算出の注目度）: 6.875468802805521
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of real-time deepfake generation techniques, forged content is becoming increasingly realistic and widespread across applications like video conferencing and social media. Although state-of-the-art detectors achieve high accuracy on standard benchmarks, their heavy computational cost hinders real-time deployment in practical applications. To address this, we propose the Spatial-Frequency Aware Multi-Scale Fusion Network (SFMFNet), a lightweight yet effective architecture for real-time deepfake detection. We design a spatial-frequency hybrid aware module that jointly leverages spatial textures and frequency artifacts through a gated mechanism, enhancing sensitivity to subtle manipulations. A token-selective cross attention mechanism enables efficient multi-level feature interaction, while a residual-enhanced blur pooling structure helps retain key semantic cues during downsampling. Experiments on several benchmark datasets show that SFMFNet achieves a favorable balance between accuracy and efficiency, with strong generalization and practical value for real-time applications.
• Abstract（参考訳）: リアルタイムのディープフェイク生成技術が急速に進歩し、ビデオ会議やソーシャルメディアといったアプリケーションでも、偽造コンテンツが現実的に広まりつつある。 最先端の検出器は標準ベンチマークで高い精度を達成するが、計算コストの重いため、実用的な応用におけるリアルタイムの展開が妨げられる。 そこで本研究では,リアルタイムディープフェイク検出のための軽量かつ効率的なアーキテクチャであるSpatial-Frequency Aware Multi-Scale Fusion Network (SFMFNet)を提案する。 本研究では,空間テクスチャと周波数アーティファクトを協調的に活用し,微妙な操作に対する感度を高めた空間周波数ハイブリッド認識モジュールを設計する。 トークン選択型クロスアテンション機構により、効率的なマルチレベル特徴相互作用が可能であり、残余強化されたぼかしプール構造は、ダウンサンプリング中のキーセマンティックキューを維持するのに役立つ。 いくつかのベンチマークデータセットの実験では、SFMFNetは精度と効率のバランスを良好に達成し、リアルタイムアプリケーションに対して強力な一般化と実用的な価値を達成している。

関連論文リスト

• Enhanced Deep Learning DeepFake Detection Integrating Handcrafted Features [44.45692491500845]
  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。
  論文  参考訳（メタデータ） (2025-07-28T08:19:22Z)
• CAST: Cross-Attentive Spatio-Temporal feature fusion for Deepfake detection [0.0]
  CNNは空間的アーティファクトのキャプチャに有効であり、Transformerは時間的不整合のモデリングに優れている。 本稿では,空間的特徴と時間的特徴を効果的に融合させるために,クロスアテンションを利用した統合CASTモデルを提案する。 我々はFaceForensics++、Celeb-DF、DeepfakeDetectionデータセットを用いてモデルの性能を評価する。
  論文  参考訳（メタデータ） (2025-06-26T18:51:17Z)
• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Multiple Contexts and Frequencies Aggregation Network forDeepfake Detection [5.65128683992597]
  ディープフェイク検出は、大量で多様なディープフェイク技術の開発において、生成モデルの急速な成長以来、課題に直面している。 近年の進歩は、バックボーン内の一般的な偽造特徴をモデル化するのではなく、空間領域や周波数領域からの特徴の導入に依存している。 2つのコアモジュールからなるMkfaNetという顔偽造検出のための効率的なネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-03T05:34:53Z)
• 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)
• RIDE: Real-time Intrusion Detection via Explainable Machine Learning Implemented in a Memristor Hardware Architecture [24.824596231020585]
  本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。 提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
  論文  参考訳（メタデータ） (2023-11-27T17:30:19Z)
• Adaptive Frequency Filters As Efficient Global Token Mixers [100.27957692579892]
  適応周波数フィルタは効率的なグローバルトークンミキサーとして機能することを示す。 我々は、AFFNetと呼ばれる軽量ニューラルネットワークを構築するために、AFFトークンミキサーを主要なニューラルネットワークとして捉えています。
  論文  参考訳（メタデータ） (2023-07-26T07:42:28Z)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。