論文の概要: Deceptive Beauty: Evaluating the Impact of Beauty Filters on Deepfake and Morphing Attack Detection

• arxiv url: http://arxiv.org/abs/2509.14120v1
• Date: Wed, 17 Sep 2025 15:59:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.912182
• Title: Deceptive Beauty: Evaluating the Impact of Beauty Filters on Deepfake and Morphing Attack Detection
• Title（参考訳）: 知覚美:美容フィルタがディープフェイクおよびモーフィング検出に及ぼす影響の評価
• Authors: Sara Concas, Simone Maurizio La Cava, Andrea Panzino, Ester Masala, Giulia Orrù, Gian Luca Marcialis,
• Abstract要約: 本研究では,美容フィルタがディープフェイクおよびモーフィング攻撃検知器の性能に与える影響について検討した。 我々は,様々なスムースなフィルタの適用前後のベンチマークデータセット上で,複数の最先端検出器の評価を行い,包括的解析を行った。 以上の結果から, 性能劣化, 顔機能強化による脆弱性の強調, 堅牢な検出モデルの必要性が示唆された。
• 参考スコア（独自算出の注目度）: 10.383693105072515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital beautification through social media filters has become increasingly popular, raising concerns about the reliability of facial images and videos and the effectiveness of automated face analysis. This issue is particularly critical for digital manipulation detectors, systems aiming at distinguishing between genuine and manipulated data, especially in cases involving deepfakes and morphing attacks designed to deceive humans and automated facial recognition. This study examines whether beauty filters impact the performance of deepfake and morphing attack detectors. We perform a comprehensive analysis, evaluating multiple state-of-the-art detectors on benchmark datasets before and after applying various smoothing filters. Our findings reveal performance degradation, highlighting vulnerabilities introduced by facial enhancements and underscoring the need for robust detection models resilient to such alterations.
• Abstract（参考訳）: ソーシャルメディアフィルターによるデジタル美化がますます普及し、顔画像やビデオの信頼性や自動顔分析の有効性への懸念が高まっている。 この問題は、人間を欺くために設計されたディープフェイクやモーフィング攻撃や自動顔認識を含む、真のデータと操作されたデータを区別することを目的とした、デジタル操作検出システムにとって特に重要である。 本研究では,美容フィルタがディープフェイクおよびモーフィング攻撃検知器の性能に与える影響について検討した。 我々は,様々なスムースなフィルタの適用前後のベンチマークデータセット上で,複数の最先端検出器の評価を行い,包括的解析を行った。 以上の結果から, 性能劣化, 顔の強化による脆弱性の強調, 頑健な検出モデルの必要性が示唆された。

関連論文リスト

• A Comprehensive Evaluation Framework for the Study of the Effects of Facial Filters on Face Recognition Accuracy [6.7767741197797475]
  本稿では,顔認識における顔フィルタの影響を大規模に研究するフレームワークを提案する。 本研究では,顔認識性能を向上させるために,顔埋め込み空間におけるフィルタリング効果を容易に検出し,復元する方法について述べる。
  論文  参考訳（メタデータ） (2025-07-23T17:43:35Z)
• 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)
• FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework [1.673834743879962]
  面白い自撮りフィルターは、顔の生体認証システムの機能に大きく影響を与えている。 現在、顔のキーポイントを歪めているARベースのフィルターやフィルターは、最近流行し、裸眼でも顔が認識不能になっている。 これらの制約を緩和するため、我々は最新のフィルタの全体的影響分析を行い、フィルタ画像を用いたユーザ認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-12T07:04:56Z)
• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Impact of Image Context for Single Deep Learning Face Morphing Attack Detection [0.0]
  顔認識システム(FRS)は普及しているが、顔形態攻撃などの画像操作技術には依然として脆弱である。 本研究では,入力画像のアライメント設定が深層学習顔形態検出性能に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2023-09-01T15:57:24Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)

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。