論文の概要: Exposing DeepFakes via Hyperspectral Domain Mapping

• arxiv url: http://arxiv.org/abs/2511.11732v1
• Date: Thu, 13 Nov 2025 06:25:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.186895
• Title: Exposing DeepFakes via Hyperspectral Domain Mapping
• Title（参考訳）: ハイパースペクトル領域マッピングによるディープフェイクの抽出
• Authors: Aditya Mehta, Swarnim Chaudhary, Pratik Narang, Jagat Sesh Challa,
• Abstract要約: HSI-Detectは、標準RGB入力から31チャンネルのハイパースペクトル画像を再構成し、ハイパースペクトル領域で検出する。 FaceForensics++データセット間でHSI-Detectを評価し、RGBのみのベースラインに対する一貫した改善を示す。
• 参考スコア（独自算出の注目度）: 4.8213677522924145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern generative and diffusion models produce highly realistic images that can mislead human perception and even sophisticated automated detection systems. Most detection methods operate in RGB space and thus analyze only three spectral channels. We propose HSI-Detect, a two-stage pipeline that reconstructs a 31-channel hyperspectral image from a standard RGB input and performs detection in the hyperspectral domain. Expanding the input representation into denser spectral bands amplifies manipulation artifacts that are often weak or invisible in the RGB domain, particularly in specific frequency bands. We evaluate HSI-Detect across FaceForensics++ dataset and show the consistent improvements over RGB-only baselines, illustrating the promise of spectral-domain mapping for Deepfake detection.
• Abstract（参考訳）: 現代の生成モデルと拡散モデルは、人間の知覚や高度な自動検出システムを誤解させるような、非常に現実的な画像を生成する。 ほとんどの検出方法はRGB空間で動作するため、3つのスペクトルチャネルしか分析できない。 HSI-Detectは、標準RGB入力から31チャンネルのハイパースペクトル像を再構成し、ハイパースペクトル領域で検出する2段階パイプラインである。 入力表現をより高密度のスペクトル帯域に拡張することで、RGB領域、特に特定の周波数帯域において弱い、あるいは見えない操作アーチファクトが増幅される。 我々は、FaceForensics++データセット間でHSI-Detectを評価し、RGBのみのベースラインに対する一貫した改善を示し、ディープフェイク検出のためのスペクトル領域マッピングの約束を示す。

関連論文リスト

• SFNet: Fusion of Spatial and Frequency-Domain Features for Remote Sensing Image Forgery Detection [7.054392101839536]
  偽のリモートセンシング画像は誤ったインテリジェンスやフェイクニュース、さらには陰謀説につながる可能性がある。 本稿では,多様なリモートセンシングデータから偽画像を特定することを目的とした,SFNetと呼ばれる新しい偽画像検出フレームワークを提案する。 3つのデータセットの実験により、SFNetは最先端のRS偽造検出法に対して4%-15.18%の精度向上を達成した。
  論文  参考訳（メタデータ） (2025-06-25T16:38:37Z)
• HyperFake: Hyperspectral Reconstruction and Attention-Guided Analysis for Advanced Deepfake Detection [2.198430261120653]
  ディープフェイクはデジタルメディアのセキュリティに重大な脅威をもたらす。 現在の検出方法は、様々な操作テクニックをまたいだ一般化に苦慮している。 通常のRGBビデオから31チャンネルのハイパースペクトルデータを再構成する新しいディープフェイク検出パイプラインであるHyperFakeを紹介する。
  論文  参考訳（メタデータ） (2025-05-24T08:28:55Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Deep Coding Patterns Design for Compressive Near-Infrared Spectral Classification [80.93625278357229]
  スペクトル分類は、測定に埋め込まれたスペクトル情報の量を考慮して、圧縮領域で直接行うことができる。 本研究では,CSIにおける符号化パターンとネットワークパラメータを協調的に設計し,組込み近赤外圧縮測定から直接スペクトル分類を行うエンド・ツー・エンド手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T15:55:53Z)

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。