論文の概要: Unmasking Facial DeepFakes: A Robust Multiview Detection Framework for Natural Images

• arxiv url: http://arxiv.org/abs/2510.15576v1
• Date: Fri, 17 Oct 2025 12:16:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.611092
• Title: Unmasking Facial DeepFakes: A Robust Multiview Detection Framework for Natural Images
• Title（参考訳）: Unmasking Facial DeepFakes:自然画像のためのロバストなマルチビュー検出フレームワーク
• Authors: Sami Belguesmia, Mohand Saïd Allili, Assia Hamadene,
• Abstract要約: 顔の特徴を複数のレベルで分析することで、ディープフェイク検出を強化するマルチビューアーキテクチャを提案する。 提案手法は,3つの特殊エンコーダ,境界不整合を検出するグローバルビューエンコーダ,テクスチャと色調を解析する中間ビューエンコーダ,表情領域の歪みを捉えるローカルビューエンコーダを統合した。 これらのエンコーダから特徴を融合させることにより、難易度の高いポーズや照明条件下であっても、操作された画像の検出において優れた性能が得られる。
• 参考スコア（独自算出の注目度）: 1.5049442691806052
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: DeepFake technology has advanced significantly in recent years, enabling the creation of highly realistic synthetic face images. Existing DeepFake detection methods often struggle with pose variations, occlusions, and artifacts that are difficult to detect in real-world conditions. To address these challenges, we propose a multi-view architecture that enhances DeepFake detection by analyzing facial features at multiple levels. Our approach integrates three specialized encoders, a global view encoder for detecting boundary inconsistencies, a middle view encoder for analyzing texture and color alignment, and a local view encoder for capturing distortions in expressive facial regions such as the eyes, nose, and mouth, where DeepFake artifacts frequently occur. Additionally, we incorporate a face orientation encoder, trained to classify face poses, ensuring robust detection across various viewing angles. By fusing features from these encoders, our model achieves superior performance in detecting manipulated images, even under challenging pose and lighting conditions.Experimental results on challenging datasets demonstrate the effectiveness of our method, outperforming conventional single-view approaches
• Abstract（参考訳）: 近年、DeepFakeの技術は大幅に進歩し、高度にリアルな合成顔画像の作成を可能にしている。 既存のDeepFake検出手法は、現実世界の環境では検出が難しいポーズのバリエーションやオクルージョン、アーティファクトに悩まされることが多い。 これらの課題に対処するために,複数のレベルで顔の特徴を解析することによりディープフェイク検出を強化する多視点アーキテクチャを提案する。 提案手法は,3つの特殊エンコーダ,境界不整合を検出するグローバルビューエンコーダ,テクスチャと色調を解析する中間ビューエンコーダ,およびDeepFakeアーティファクトの発生頻度の高い目,鼻,口などの表情領域の歪みを抽出する局所ビューエンコーダを統合した。 さらに、顔のポーズの分類を訓練した顔向きエンコーダを組み込み、様々な角度で頑健な検出を確実にする。 これらのエンコーダの特徴を融合させることにより、挑戦的なポーズや照明条件下であっても、操作された画像を検出する上で優れた性能が得られる。

関連論文リスト

• 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)
• Multi-Channel Cross Modal Detection of Synthetic Face Images [0.0]
  合成生成された顔画像は、人間による実際の画像と区別できないことが示されている。 高速かつ任意の画像後処理が可能な新しい生成モデルを提案する。 完全に合成された顔画像を検出するためのマルチチャネルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-28T13:30:10Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• A new face swap method for image and video domains: a technical report [60.47144478048589]
  FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。 新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
  論文  参考訳（メタデータ） (2022-02-07T10:15:50Z)
• Contrastive Attention Network with Dense Field Estimation for Face Completion [11.631559190975034]
  本稿では,エンコーダの一般化とロバスト性を改善するために,自己教師付きシームズ推論ネットワークを提案する。 顔画像の幾何学的変動に対処するため,ネットワークに高密度対応フィールドを組み込む。 このマルチスケールアーキテクチャは、デコーダがエンコーダから画像に学習した識別表現を利用するのに有用である。
  論文  参考訳（メタデータ） (2021-12-20T02:54:38Z)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)

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。