論文の概要: Além do Desempenho: Um Estudo da Confiabilidade de Detectores de Deepfakes
- arxiv url: http://arxiv.org/abs/2601.08674v1
- Date: Tue, 13 Jan 2026 15:53:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:19.269824
- Title: Além do Desempenho: Um Estudo da Confiabilidade de Detectores de Deepfakes
- Title（参考訳）: Além do Desempenho: Um Estudo da Confiabilidade de Detectores de Deepfakes
- Authors: Lucas Lopes, Rayson Laroca, André Grégio,
- Abstract要約: ディープフェイク(Deepfakes)は、人工知能によって生成される合成メディアである。
本稿では,転送性,堅牢性,解釈性,計算効率の4つの柱に基づく信頼性評価フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.055054374525828
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deepfakes are synthetic media generated by artificial intelligence, with positive applications in education and creativity, but also serious negative impacts such as fraud, misinformation, and privacy violations. Although detection techniques have advanced, comprehensive evaluation methods that go beyond classification performance remain lacking. This paper proposes a reliability assessment framework based on four pillars: transferability, robustness, interpretability, and computational efficiency. An analysis of five state-of-the-art methods revealed significant progress as well as critical limitations.
- Abstract（参考訳）: ディープフェイク(Deepfakes)は、人工知能によって生成される合成メディアであり、教育と創造性に肯定的な応用があるが、詐欺、偽情報、プライバシー侵害などの重大なネガティブな影響もある。
検出技術は進歩してきたが、分類性能を超える総合評価手法はいまだに欠落している。
本稿では,転送性,堅牢性,解釈性,計算効率の4つの柱に基づく信頼性評価フレームワークを提案する。
5つの最先端手法を解析したところ、大きな進歩と限界がみられた。
関連論文リスト
- Get Global Guarantees: On the Probabilistic Nature of Perturbation Robustness [10.738378139028976]
安全クリティカルなディープラーニングアプリケーションでは、ロバストネスは入力データの知覚できない摂動を処理するニューラルネットワークの能力を測定する。
既存の展開前のロバスト性評価手法では、計算コストと測定精度の間に大きなトレードオフが生じるのが普通である。
本稿では,仮説テストに基づく新しい実測値であるロバスト性を評価するために,塔のロバスト性を提案する。
論文 参考訳（メタデータ） (2025-08-26T16:41:04Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - Data Leakage and Deceptive Performance: A Critical Examination of Credit Card Fraud Detection Methodologies [3.6234531924374527]
本研究はクレジットカード不正検出研究における方法論的厳密性について批判的に検討する。
基本的な方法論の原則に反した場合、単純なモデルでさえ、見事に印象的な結果が得られることを実証する。
論文 参考訳（メタデータ） (2025-06-03T09:56:43Z) - Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。
既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。
本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-22T08:34:35Z) - A Holistic Assessment of the Reliability of Machine Learning Systems [30.638615396429536]
本稿では,機械学習(ML)システムの信頼性に関する総合評価手法を提案する。
本フレームワークは, 分散精度, 分散シフト堅牢性, 対向ロバスト性, キャリブレーション, 分布外検出の5つの重要な特性を評価する。
異なるアルゴリズムアプローチの性能に関する洞察を提供するため、我々は最先端技術を特定し分類する。
論文 参考訳（メタデータ） (2023-07-20T05:00:13Z) - Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
論文 参考訳（メタデータ） (2023-06-18T09:54:33Z) - Interpretable Off-Policy Evaluation in Reinforcement Learning by
Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。
信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。
我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文 参考訳（メタデータ） (2020-02-10T00:26:43Z)
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。