論文の概要: Patch-Discontinuity Mining for Generalized Deepfake Detection

• arxiv url: http://arxiv.org/abs/2512.22027v1
• Date: Fri, 26 Dec 2025 13:18:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:03:45.908149
• Title: Patch-Discontinuity Mining for Generalized Deepfake Detection
• Title（参考訳）: 一般化ディープフェイク検出のためのパッチ不連続マイニング
• Authors: Huanhuan Yuan, Yang Ping, Zhengqin Xu, Junyi Cao, Shuai Jia, Chao Ma,
• Abstract要約: ディープフェイク検出法は、しばしば手作りの法医学的手がかりと複雑なアーキテクチャに依存している。 我々は,強力な視覚モデルをコンパクトで巧妙なネットワーク設計でディープフェイク検出タスクに転送するフレームワークであるGenDFを提案する。 実験により、GenDFはクロスドメインおよびクロスマニピュレーション設定における最先端の一般化性能を達成することが示された。
• 参考スコア（独自算出の注目度）: 18.30761992906741
• License:
• Abstract: The rapid advancement of generative artificial intelligence has enabled the creation of highly realistic fake facial images, posing serious threats to personal privacy and the integrity of online information. Existing deepfake detection methods often rely on handcrafted forensic cues and complex architectures, achieving strong performance in intra-domain settings but suffering significant degradation when confronted with unseen forgery patterns. In this paper, we propose GenDF, a simple yet effective framework that transfers a powerful large-scale vision model to the deepfake detection task with a compact and neat network design. GenDF incorporates deepfake-specific representation learning to capture discriminative patterns between real and fake facial images, feature space redistribution to mitigate distribution mismatch, and a classification-invariant feature augmentation strategy to enhance generalization without introducing additional trainable parameters. Extensive experiments demonstrate that GenDF achieves state-of-the-art generalization performance in cross-domain and cross-manipulation settings while requiring only 0.28M trainable parameters, validating the effectiveness and efficiency of the proposed framework.
• Abstract（参考訳）: 生成的人工知能の急速な進歩は、極めて現実的な偽の顔画像の作成を可能にし、個人のプライバシーとオンライン情報の完全性に深刻な脅威をもたらしている。 既存のディープフェイク検出法は、しばしば手作りの法医学的手がかりや複雑なアーキテクチャに依存しており、ドメイン内の設定で強い性能を達成しているが、目に見えない偽造パターンに直面すると著しく劣化する。 本稿では,強力な大規模視覚モデルを,コンパクトで巧妙なネットワーク設計によるディープフェイク検出タスクに転送する,シンプルで効果的なフレームワークであるGenDFを提案する。 GenDFは、ディープフェイク固有の表現学習を取り入れて、実際の顔画像と偽の顔画像の識別パターンのキャプチャ、分布ミスマッチを緩和するための特徴空間の再分配、および、追加のトレーニング可能なパラメータを導入することなく一般化を強化するための分類不変の機能拡張戦略を取り入れている。 大規模な実験により、GenDFはクロスドメインおよびクロスマニピュレーション設定における最先端の一般化性能を実現し、トレーニング可能なパラメータは0.28Mしか必要とせず、提案フレームワークの有効性と効率を検証できた。

関連論文リスト

• Improving Deepfake Detection with Reinforcement Learning-Based Adaptive Data Augmentation [60.04281435591454]
  CRDA(Curriculum Reinforcement-Learning Data Augmentation)は、マルチドメインの偽造機能を段階的にマスターするための検出器を導く新しいフレームワークである。 私たちのアプローチの中心は、強化学習と因果推論を統合することです。 提案手法は検出器の一般化性を大幅に向上し,複数のクロスドメインデータセット間でSOTA法より優れている。
  論文  参考訳（メタデータ） (2025-11-10T12:45:52Z)
• FAME: A Lightweight Spatio-Temporal Network for Model Attribution of Face-Swap Deepfakes [9.462613446025001]
  フェイスフェイクのDeepfakeビデオは、デジタルセキュリティ、プライバシー、メディアの整合性へのリスクが高まる。 FAMEは、異なる顔生成モデルに特有の微妙なアーティファクトをキャプチャするために設計されたフレームワークである。 結果は、FAMEが既存のメソッドを精度と実行時の両方で一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-06-13T05:47:09Z)
• Cross-Branch Orthogonality for Improved Generalization in Face Deepfake Detection [43.2796409299818]
  ディープフェイクは法執行機関や一般大衆にとって迷惑になっている。 既存のディープフェイク検出器は、ディープフェイク生成のペースの改善に追随するのに苦労している。 本稿では,粗い空間情報,意味情報,それらの相互作用を活用する新しい戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-08T01:49:53Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [81.93945602120453]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
  ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。 ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。 本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-27T17:22:41Z)
• Enhancing General Face Forgery Detection via Vision Transformer with Low-Rank Adaptation [31.780516471483985]
  偽造の顔は 偽ニュースや 詐欺 偽造などの セキュリティ上の懸念を訴える 本稿では、視覚変換器(ViT)アーキテクチャに基づく、より一般的な偽顔検出モデルを設計する。 提案手法は, クロスマニピュレーションとクロスデータセット評価の両方において, 最先端検出性能を実現する。
  論文  参考訳（メタデータ） (2023-03-02T02:26:04Z)

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。