論文の概要: Towards Sustainable Universal Deepfake Detection with Frequency-Domain Masking

• arxiv url: http://arxiv.org/abs/2512.08042v1
• Date: Mon, 08 Dec 2025 21:08:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.725503
• Title: Towards Sustainable Universal Deepfake Detection with Frequency-Domain Masking
• Title（参考訳）: 周波数領域マスキングによる持続可能なユニバーサルディープフェイク検出に向けて
• Authors: Chandler Timm C. Doloriel, Habib Ullah, Kristian Hovde Liland, Fadi Al Machot, Ngai-Man Cheung,
• Abstract要約: ユニバーサルディープフェイク検出は、目に見えないものを含む、幅広い生成モデルにわたるAI生成画像を特定することを目的としている。 これは新鮮で目に見えないディープフェイクへの堅牢な一般化を必要とし、頻繁に現れる。 本研究では,ディープフェイク検出器のトレーニング戦略として周波数領域マスキングを検討する。
• 参考スコア（独自算出の注目度）: 17.153540024060483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Universal deepfake detection aims to identify AI-generated images across a broad range of generative models, including unseen ones. This requires robust generalization to new and unseen deepfakes, which emerge frequently, while minimizing computational overhead to enable large-scale deepfake screening, a critical objective in the era of Green AI. In this work, we explore frequency-domain masking as a training strategy for deepfake detectors. Unlike traditional methods that rely heavily on spatial features or large-scale pretrained models, our approach introduces random masking and geometric transformations, with a focus on frequency masking due to its superior generalization properties. We demonstrate that frequency masking not only enhances detection accuracy across diverse generators but also maintains performance under significant model pruning, offering a scalable and resource-conscious solution. Our method achieves state-of-the-art generalization on GAN- and diffusion-generated image datasets and exhibits consistent robustness under structured pruning. These results highlight the potential of frequency-based masking as a practical step toward sustainable and generalizable deepfake detection. Code and models are available at: [https://github.com/chandlerbing65nm/FakeImageDetection](https://github.com/chandlerbing65nm/FakeImageDetection).
• Abstract（参考訳）: ユニバーサルディープフェイク検出は、目に見えないものを含む、幅広い生成モデルにわたるAI生成画像を特定することを目的としている。 これは、グリーンAIの時代において重要な目標である大規模ディープフェイクスクリーニングを可能にするために、計算オーバーヘッドを最小限に抑えながら、新しく、目に見えないディープフェイクに対して堅牢な一般化を必要とする。 本研究では,ディープフェイク検出器のトレーニング戦略として周波数領域マスキングを検討する。 空間的特徴や大規模事前学習モデルに大きく依存する従来の手法とは異なり,本手法では,周波数マスキングに着目したランダムマスキングや幾何変換を導入している。 周波数マスキングは多種多様な発電機間の検出精度を高めるだけでなく、重要なモデルプルーニング下での性能も維持し、スケーラブルでリソースを意識したソリューションを提供することを示した。 提案手法は,GANおよび拡散生成画像データセットの最先端の一般化を実現し,構造化プルーニングの下で一貫したロバスト性を示す。 これらの結果は、持続的で一般化可能なディープフェイク検出に向けた実践的なステップとして、周波数ベースのマスキングの可能性を強調している。 コードとモデルは以下の通りである。 [https://github.com/chandlerbing65nm/FakeImageDetection] (https://github.com/chandlerbing65nm/FakeImageDetection]

関連論文リスト

• DeepShield: Fortifying Deepfake Video Detection with Local and Global Forgery Analysis [59.8324489002129]
  ローカルな感度とグローバルな一般化のバランスを保ち、目に見えない偽造品間の堅牢性を改善するディープフェイク検出フレームワークであるDeepShieldを紹介する。 DeepShieldは、時間的アーティファクトモデリングとパッチ単位での監視を適用して、グローバルモデルでしばしば見過ごされる微細な不整合をキャプチャする。
  論文  参考訳（メタデータ） (2025-10-29T07:35:29Z)
• Wavelet-Driven Generalizable Framework for Deepfake Face Forgery Detection [0.0]
  Wavelet-CLIPは、ウェーブレット変換とViT-L/14アーキテクチャに由来する機能を統合したディープフェイク検出フレームワークで、CLIP方式で事前トレーニングされている。 提案手法は,データ間一般化における平均AUC0.749,不明瞭なディープフェイクに対するロバスト性0.893を達成し,優れた性能を示す。
  論文  参考訳（メタデータ） (2024-09-26T21:16:51Z)
• 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)
• Frequency Masking for Universal Deepfake Detection [25.844830329275613]
  我々は、普遍的なディープフェイク検出について研究し、その目的は、様々な生成AIアプローチから合成画像を検出することである。 最近提案されたマスク画像モデリングに触発された我々は、マスク画像モデリングを普遍的なディープフェイク検出のために初めて試みる。
  論文  参考訳（メタデータ） (2024-01-12T11:02:12Z)
• Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
  我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。 この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
  論文  参考訳（メタデータ） (2023-12-16T14:27:06Z)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)

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。