論文の概要: Towards Real-World Deepfake Detection: A Diverse In-the-wild Dataset of Forgery Faces

• arxiv url: http://arxiv.org/abs/2510.08067v1
• Date: Thu, 09 Oct 2025 10:54:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.024104
• Title: Towards Real-World Deepfake Detection: A Diverse In-the-wild Dataset of Forgery Faces
• Title（参考訳）: 実世界のディープフェイク検出に向けて:偽顔の広帯域データ集合
• Authors: Junyu Shi, Minghui Li, Junguo Zuo, Zhifei Yu, Yipeng Lin, Shengshan Hu, Ziqi Zhou, Yechao Zhang, Wei Wan, Yinzhe Xu, Leo Yu Zhang,
• Abstract要約: 我々はRedFace(Real-world-oriented Deepfake Face)を紹介した。 RedFaceは、6万以上の偽造画像と、本物の顔の特徴から派生した1000の操作されたビデオで構成されている。 以前のベンチマークとは異なり、RedFaceは9つの商用オンラインプラットフォームを使用して、"荒野"で見つかった最新のディープフェイク技術を統合する。
• 参考スコア（独自算出の注目度）: 39.505403756048445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deepfakes, leveraging advanced AIGC (Artificial Intelligence-Generated Content) techniques, create hyper-realistic synthetic images and videos of human faces, posing a significant threat to the authenticity of social media. While this real-world threat is increasingly prevalent, existing academic evaluations and benchmarks for detecting deepfake forgery often fall short to achieve effective application for their lack of specificity, limited deepfake diversity, restricted manipulation techniques.To address these limitations, we introduce RedFace (Real-world-oriented Deepfake Face), a specialized facial deepfake dataset, comprising over 60,000 forged images and 1,000 manipulated videos derived from authentic facial features, to bridge the gap between academic evaluations and real-world necessity. Unlike prior benchmarks, which typically rely on academic methods to generate deepfakes, RedFace utilizes 9 commercial online platforms to integrate the latest deepfake technologies found "in the wild", effectively simulating real-world black-box scenarios.Moreover, RedFace's deepfakes are synthesized using bespoke algorithms, allowing it to capture diverse and evolving methods used by real-world deepfake creators. Extensive experimental results on RedFace (including cross-domain, intra-domain, and real-world social network dissemination simulations) verify the limited practicality of existing deepfake detection schemes against real-world applications. We further perform a detailed analysis of the RedFace dataset, elucidating the reason of its impact on detection performance compared to conventional datasets. Our dataset is available at: https://github.com/kikyou-220/RedFace.
• Abstract（参考訳）: Deepfakesは高度なAIGC(Artificial Intelligence-Generated Content)技術を活用し、人間の顔の超現実的な合成画像とビデオを作成し、ソーシャルメディアの真正性に重大な脅威をもたらす。 この現実世界の脅威はますます広まっているが、ディープフェイクの偽造を検知するための既存の学術的評価やベンチマークは、その特異性の欠如、限られたディープフェイクの多様性、制限された操作テクニックの効果的な適用を達成するために、しばしば不足している。これらの制限に対処するため、私たちはRedFace(Real-world-oriented Deepfake Face)という特殊な顔ディープフェイクデータセットを紹介した。 一般的にディープフェイクを生成するための学術的な方法に依存する以前のベンチマークとは異なり、RedFaceは9つの商用オンラインプラットフォームを使用して、現実世界のブラックボックスシナリオを効果的にシミュレートする最新のディープフェイク技術を統合している。 RedFace(クロスドメイン、ドメイン内、実世界のソーシャルネットワークの普及シミュレーションを含む)の大規模な実験結果は、実世界のアプリケーションに対する既存のディープフェイク検出スキームの限られた実用性を検証する。 さらに、RedFaceデータセットの詳細な分析を行い、従来のデータセットと比較して検出性能に与える影響を解明する。 私たちのデータセットは、https://github.com/kikyou-220/RedFace.comで利用可能です。

関連論文リスト

• A Lightweight and Interpretable Deepfakes Detection Framework [8.23719496171112]
  いわゆるディープフェイクの創造と普及は、社会生活、市民の休息、法律に深刻な脅威をもたらす。 既存の検出器のほとんどは、フェイススワップ、リップシンク、パペットマスターのディープフェイクの検出に重点を置いている。 本稿では,ハイブリッド顔のランドマークを融合した特徴量を利用した統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-21T07:03:11Z)
• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• Deep Learning Technology for Face Forgery Detection: A Survey [17.519617618071003]
  ディープラーニングにより、高忠実度顔画像やビデオの作成や操作が可能になった。 この技術はディープフェイクとしても知られ、劇的な進歩を遂げ、ソーシャルメディアで人気を博している。 ディープフェイクのリスクを低減するため、強力な偽造検出方法を開発することが望ましい。
  論文  参考訳（メタデータ） (2024-09-22T01:42:01Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)
• Deepfake for the Good: Generating Avatars through Face-Swapping with Implicit Deepfake Generation [6.720605329045581]
  本稿では,新しい深層学習技術を組み合わせて,高機能な3D深層学習アバターの製作方法について述べる。 私たちのImplicitDeepfakeは、古典的なディープフェイクアルゴリズムを使って、すべてのトレーニングイメージを別々に修正し、修正された顔にNeRFとGSをトレーニングします。
  論文  参考訳（メタデータ） (2024-02-09T13:11:57Z)
• Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
  ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。 十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。 本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
  論文  参考訳（メタデータ） (2023-03-15T08:27:56Z)
• WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
  我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。 既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
  論文  参考訳（メタデータ） (2021-01-05T11:10:32Z)
• Fighting Deepfake by Exposing the Convolutional Traces on Images [0.0]
  FACEAPPのようなモバイルアプリは、最も高度なGAN(Generative Adversarial Networks)を使用して、人間の顔写真に極端な変換を生成する。 この種のメディアオブジェクトはDeepfakeという名前を取って、マルチメディアの法医学分野における新たな課題であるDeepfake検出課題を提起した。 本稿では,画像からディープフェイク指紋を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2020-08-07T08:49:23Z)

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。