論文の概要: DevFD: Developmental Face Forgery Detection by Learning Shared and Orthogonal LoRA Subspaces

• arxiv url: http://arxiv.org/abs/2509.19230v1
• Date: Tue, 23 Sep 2025 16:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.961838
• Title: DevFD: Developmental Face Forgery Detection by Learning Shared and Orthogonal LoRA Subspaces
• Title（参考訳）: DevFD:共有と直交のLORA部分空間の学習による顔偽造検出
• Authors: Tianshuo Zhang, Li Gao, Siran Peng, Xiangyu Zhu, Zhen Lei,
• Abstract要約: デジタル・フェイス・ジェネレーションと操作は大きな社会的リスクをもたらす。 進化を続ける新しい種類の偽造に対して防御するためには、モデルが新しいドメインに迅速に適応できるようにする必要があります。 フェースフォージェリ検出は継続学習問題であり,新たなフォージェリタイプが出現するにつれて,モデルの開発を可能にする。
• 参考スコア（独自算出の注目度）: 29.496417974556035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of realistic digital face generation and manipulation poses significant social risks. The primary challenge lies in the rapid and diverse evolution of generation techniques, which often outstrip the detection capabilities of existing models. To defend against the ever-evolving new types of forgery, we need to enable our model to quickly adapt to new domains with limited computation and data while avoiding forgetting previously learned forgery types. In this work, we posit that genuine facial samples are abundant and relatively stable in acquisition methods, while forgery faces continuously evolve with the iteration of manipulation techniques. Given the practical infeasibility of exhaustively collecting all forgery variants, we frame face forgery detection as a continual learning problem and allow the model to develop as new forgery types emerge. Specifically, we employ a Developmental Mixture of Experts (MoE) architecture that uses LoRA models as its individual experts. These experts are organized into two groups: a Real-LoRA to learn and refine knowledge of real faces, and multiple Fake-LoRAs to capture incremental information from different forgery types. To prevent catastrophic forgetting, we ensure that the learning direction of Fake-LoRAs is orthogonal to the established subspace. Moreover, we integrate orthogonal gradients into the orthogonal loss of Fake-LoRAs, preventing gradient interference throughout the training process of each task. Experimental results under both the datasets and manipulation types incremental protocols demonstrate the effectiveness of our method.
• Abstract（参考訳）: 現実的なデジタル顔生成と操作の台頭は、大きな社会的リスクを生じさせる。 主な課題は、生成技術の迅速かつ多様な進化であり、しばしば既存のモデルの検出能力を超過している。 進化を続ける新しいフォージャリに対して、我々は、以前に学習されたフォージャリの型を忘れないようにしながら、計算とデータに制限のある新しいドメインに迅速に適応できるようにする必要がある。 本研究は, 顔のサンプルが豊富であり, 比較的安定していると仮定し, 操作手法の反復によって偽顔が連続的に進化することを示した。 すべてのフォージェリ変種を網羅的に収集する現実的な実現可能性を考えると、フェースフォージェリ検出は継続的な学習問題であり、新しいフォージェリタイプが出現するにつれてモデルを発展させることができる。 具体的には、LoRAモデルを個々の専門家として使用するMoE(Developmental Mixture of Experts)アーキテクチャを採用する。 これらの専門家は、実際の顔の知識を学習し洗練するためのReal-LoRAと、異なるフォージェリータイプからインクリメンタル情報を取得する複数のFake-LoRAの2つのグループに分けられる。 破滅的忘れを防止するため,Fake-LoRAの学習方向が確立した部分空間に直交していることを確認する。 さらに、直交勾配をFake-LoRAの直交損失に統合し、各タスクのトレーニング過程における勾配干渉を防止する。 データセットと操作型インクリメンタルプロトコルの両方による実験結果から,本手法の有効性が示された。

関連論文リスト

• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Perturb, Attend, Detect and Localize (PADL): Robust Proactive Image Defense [5.150608040339816]
  本稿では,クロスアテンションに基づく符号化と復号の対称スキームを用いて,画像固有の摂動を生成する新しいソリューションであるPADLを紹介する。 提案手法は,StarGANv2,BlendGAN,DiffAE,StableDiffusion,StableDiffusionXLなど,さまざまなアーキテクチャ設計の未確認モデルに一般化する。
  論文  参考訳（メタデータ） (2024-09-26T15:16:32Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [81.93945602120453]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Robust Synthetic Data-Driven Detection of Living-Off-the-Land Reverse Shells [14.710331873072146]
  LOTL(Living-off-the-land)技術は、セキュリティ運用において大きな課題となる。 セキュリティ情報およびイベント管理(SIEM)ソリューションとして,サイバー防衛システムのための堅牢な拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-28T13:49:23Z)
• Unsupervised Discovery of Interpretable Directions in h-space of Pre-trained Diffusion Models [63.1637853118899]
  本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。 我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。 それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
  論文  参考訳（メタデータ） (2023-10-15T18:44:30Z)

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。