論文の概要: What Exactly is a Deepfake?

• arxiv url: http://arxiv.org/abs/2510.22128v1
• Date: Sat, 25 Oct 2025 03:02:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.828682
• Title: What Exactly is a Deepfake?
• Title（参考訳）: ディープフェイクとは何か?
• Authors: Yizhi Liu, Balaji Padmanabhan, Siva Viswanathan,
• Abstract要約: ディープフェイク技術は、しばしば詐欺、偽情報、アイデンティティ詐欺と関連付けられ、正当な社会的懸念を提起する。 しかし、ディープフェイクは、人間の知覚を変えることができる感覚操作の高度な能力を具現化しており、医療や教育などの分野で有用な応用を可能にする可能性がある。 本稿は、2017年から2025年までの査読論文を分析し、文献におけるディープフェイクの定義と理解について考察する。
• 参考スコア（独自算出の注目度）: 3.964305334218188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deepfake technologies are often associated with deception, misinformation, and identity fraud, raising legitimate societal concerns. Yet such narratives may obscure a key insight: deepfakes embody sophisticated capabilities for sensory manipulation that can alter human perception, potentially enabling beneficial applications in domains such as healthcare and education. Realizing this potential, however, requires understanding how the technology is conceptualized across disciplines. This paper analyzes 826 peer-reviewed publications from 2017 to 2025 to examine how deepfakes are defined and understood in the literature. Using large language models for content analysis, we categorize deepfake conceptualizations along three dimensions: Identity Source (the relationship between original and generated content), Intent (deceptive versus non-deceptive purposes), and Manipulation Granularity (holistic versus targeted modifications). Results reveal substantial heterogeneity that challenges simplified public narratives. Notably, a subset of studies discuss non-deceptive applications, highlighting an underexplored potential for social good. Temporal analysis shows an evolution from predominantly threat-focused views (2017 to 2019) toward recognition of beneficial applications (2022 to 2025). This study provides an empirical foundation for developing nuanced governance and research frameworks that distinguish applications warranting prohibition from those deserving support, showing that, with safeguards, deepfakes' realism can serve important social purposes beyond deception.
• Abstract（参考訳）: ディープフェイク技術は、しばしば詐欺、偽情報、アイデンティティ詐欺と関連付けられ、正当な社会的懸念を提起する。 ディープフェイクは、人間の知覚を変え、医療や教育などの分野に有用な応用を可能にする、感覚操作の高度な能力を具現化している。 しかし、この可能性を実現するには、技術が規律を越えてどのように概念化されているかを理解する必要がある。 本稿は、2017年から2025年までの826冊の査読論文を分析し、文献におけるディープフェイクの定義と理解について検討する。 コンテンツ分析に大規模言語モデルを用いることで、アイデンティティソース(原内容と生成内容の関係)、インテント(認識目的と非認識目的)、操作粒度(全体的・対象的修正)の3つの側面に沿って、ディープフェイク概念化を分類する。 結果は、公共の物語を単純化する上で大きな異質性を示している。 特に、一部の研究は非認知的応用について論じており、社会的利益の未発見の可能性を強調している。 時間分析は、主に脅威に焦点を当てた視点(2017年～2019年)から、有益なアプリケーション(2022年～2025年)の認識への進化を示している。 本研究は,保護者による保護により,ディープフェイクのリアリズムが詐欺以外の重要な社会的目的に役立つことを示すとともに,禁止を保障するアプリケーションと,保護を保障するアプリケーションとを区別する,曖昧なガバナンスと研究フレームワークを開発するための実証的な基盤を提供する。

関連論文リスト

• DREAM: A Benchmark Study for Deepfake REalism AssessMent [12.366894730959809]
  本稿では,Deepfake Realism AssessMentの略であるDREAMという総合ベンチマークを提案する。 多様な品質のディープフェイクビデオデータセットと、140,000のリアリズムスコアと3500人のアノテーションから得られたテキスト記述を含む大規模なアノテーションで構成されている。
  論文  参考訳（メタデータ） (2025-10-11T06:41:49Z)
• From Deception to Perception: The Surprising Benefits of Deepfakes for Detecting, Measuring, and Mitigating Bias [5.239071937714991]
  ディープフェイク技術は 悪用の可能性があると 批判されています 本研究は、重要な社会的領域におけるバイアスを検出し、測定し、緩和するためのツールとして、その重要な可能性を実証する。
  論文  参考訳（メタデータ） (2025-02-16T16:55:28Z)
• Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
  ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。 ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。 本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
  論文  参考訳（メタデータ） (2024-11-12T09:02:11Z)
• 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 Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
  ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。 本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。 この領域では、非専門家に技術的な用語の定義を提供する。
  論文  参考訳（メタデータ） (2021-08-01T08:54:47Z)
• Optimism in the Face of Adversity: Understanding and Improving Deep Learning through Adversarial Robustness [63.627760598441796]
  深層学習における対角的強靭性の分野を詳細に検討する。 直感的な対向例と深層ニューラルネットワークの幾何学的関係を強調した。 セキュリティを超えた敵の堅牢性の主な応用について概説する。
  論文  参考訳（メタデータ） (2020-10-19T16:03:46Z)
• The Creation and Detection of Deepfakes: A Survey [32.04375809239154]
  生成的ディープラーニングアルゴリズムは、何が本物かと何が偽なのかを区別することが難しい点まで進歩している。 本稿では、ディープフェイクの作成と検出について検討し、これらのアーキテクチャがどのように機能するかを詳細に把握する。
  論文  参考訳（メタデータ） (2020-04-23T13:35:49Z)

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。