論文の概要: Generalized Design Choices for Deepfake Detectors
- arxiv url: http://arxiv.org/abs/2511.21507v1
- Date: Wed, 26 Nov 2025 15:40:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:59.170421
- Title: Generalized Design Choices for Deepfake Detectors
- Title（参考訳）: ディープフェイク検出器の一般設計選択
- Authors: Lorenzo Pellegrini, Serafino Pandolfini, Davide Maltoni, Matteo Ferrara, Marco Prati, Marco Ramilli,
- Abstract要約: 設計選択の違いがディープフェイク検出モデルの精度と一般化能力にどのように影響するかを検討する。
個々の要因の影響を分離することにより、将来のディープフェイク検知システムの設計と開発のための堅牢でアーキテクチャに依存しないベストプラクティスを確立することを目指している。
我々の実験は、AI-GenBenchベンチマークで、ディープフェイク検出を一貫して改善し、最先端のパフォーマンスを実現する一連の設計選択を特定する。
- 参考スコア（独自算出の注目度）: 2.403371623345458
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The effectiveness of deepfake detection methods often depends less on their core design and more on implementation details such as data preprocessing, augmentation strategies, and optimization techniques. These factors make it difficult to fairly compare detectors and to understand which factors truly contribute to their performance. To address this, we systematically investigate how different design choices influence the accuracy and generalization capabilities of deepfake detection models, focusing on aspects related to training, inference, and incremental updates. By isolating the impact of individual factors, we aim to establish robust, architecture-agnostic best practices for the design and development of future deepfake detection systems. Our experiments identify a set of design choices that consistently improve deepfake detection and enable state-of-the-art performance on the AI-GenBench benchmark.
- Abstract（参考訳）: ディープフェイク検出手法の有効性は、コア設計よりも、データ前処理や拡張戦略、最適化手法といった実装の詳細に依存していることが多い。
これらの要因は、検出器を正確に比較し、どの要因がその性能に本当に寄与するかを理解するのを困難にしている。
そこで我々は,異なる設計選択がディープフェイク検出モデルの精度と一般化能力にどう影響するかを系統的に検討し,トレーニング,推論,インクリメンタルアップデートに関連する側面に着目した。
個々の要因の影響を分離することにより、将来のディープフェイク検知システムの設計と開発のための堅牢でアーキテクチャに依存しないベストプラクティスを確立することを目指している。
我々の実験は、AI-GenBenchベンチマークで、ディープフェイク検出を一貫して改善し、最先端のパフォーマンスを実現する一連の設計選択を特定する。
関連論文リスト
- A Guide to Robust Generalization: The Impact of Architecture, Pre-training, and Optimization Strategy [50.33847176405776]
6つのデータセット,40の事前訓練アーキテクチャ,2つの特別な損失,3つの適応プロトコルにまたがる実験的検討を行った。
大規模なデータセット上で教師付きで事前訓練された畳み込みニューラルネットワークは、しばしば最高のパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-08-12T19:38:35Z) - Comparative Analysis of Deepfake Detection Models: New Approaches and Perspectives [0.0]
この研究は、GenConViTモデルに焦点を当て、ディープフェイクを識別するための異なるアプローチを調査し、比較する。
研究を文脈化するために、ディープフェイクの社会的および法的影響と、それらの創造と検出の技術的基礎に対処する。
その結果、GenConViTは微調整後、精度(93.82%)と一般化能力において優れた性能を示した。
論文 参考訳（メタデータ） (2025-04-03T02:10:27Z) - Leveraging Mixture of Experts for Improved Speech Deepfake Detection [53.69740463004446]
スピーチのディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な脅威をもたらす。
本研究では,Mixture of Expertsアーキテクチャを用いた音声深度検出性能の向上のための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-24T13:24:03Z) - CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。
既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。
顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文 参考訳（メタデータ） (2023-09-30T12:30:25Z) - Deepfake Detection: A Comparative Analysis [2.644723682054489]
8つの教師付きディープラーニングアーキテクチャと2つのトランスフォーマーベースモデルを4つのベンチマークで自己教師型戦略を用いて事前訓練した。
分析には、データセット内およびデータセット間評価、最高のパフォーマンスモデル、一般化機能、拡張の影響などが含まれる。
論文 参考訳（メタデータ） (2023-08-07T10:57:20Z) - Assessment Framework for Deepfake Detection in Real-world Situations [13.334500258498798]
ディープラーニングに基づくディープフェイク検出手法は優れた性能を示した。
様々な画像処理操作と典型的なワークフロー歪みが検出精度に与える影響は, 体系的に測定されていない。
より現実的な環境下での学習に基づくディープフェイク検出の性能を評価するために,より信頼性の高い評価フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-12T19:09:22Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z)
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。