論文の概要: Human-AI Ensembles Improve Deepfake Detection in Low-to-Medium Quality Videos
- arxiv url: http://arxiv.org/abs/2603.14658v1
- Date: Sun, 15 Mar 2026 23:25:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.944951
- Title: Human-AI Ensembles Improve Deepfake Detection in Low-to-Medium Quality Videos
- Title（参考訳）: 低品質映像における人間のAIアンサンブルによるディープフェイク検出
- Authors: Marco Postiglione, Isabel Gortner, V. S. Subrahmanian,
- Abstract要約: ディープフェイク検出は機械学習の問題として広く考えられているが、人間とAI検出器が現実的な条件下でどのように比較するかは理解されていない。
我々は、標準的なベンチマークであるDF40と、日々の活動のビデオの新しいデータセットであるCharadesDFの2つのデータセットにわたって、200人の参加者と95人の最先端AI検出器を評価した。
人間は両方のデータセットでAI検出器よりも優れており、AIの精度がほぼ確実に崩壊するCharadesDFの場合、ギャップが広がる。
- 参考スコア（独自算出の注目度）: 7.864220481906382
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deepfake detection is widely framed as a machine learning problem, yet how humans and AI detectors compare under realistic conditions remains poorly understood. We evaluate 200 human participants and 95 state-of-the-art AI detectors across two datasets: DF40, a standard benchmark, and CharadesDF, a novel dataset of videos of everyday activities. CharadesDF was recorded using mobile phones leading to low/moderate quality videos compared to the more professionally captured DF40. Humans outperform AI detectors on both datasets, with the gap widening in the case of CharadesDF where AI accuracy collapses to near chance (0.537) while humans maintain robust performance (0.784). Human and AI errors are complementary: humans miss high-quality deepfakes while AI detectors flag authentic videos as fake, and hybrid human-AI ensembles reduce high-confidence errors. These findings suggest that effective real-world deepfake detection, especially in non-professionally produced videos, requires human-AI collaboration rather than AI algorithms alone.
- Abstract（参考訳）: ディープフェイク検出は機械学習の問題として広く考えられているが、人間とAI検出器が現実的な条件下でどのように比較するかは理解されていない。
我々は、標準的なベンチマークであるDF40と、日々の活動のビデオの新しいデータセットであるCharadesDFの2つのデータセットにわたって、200人の参加者と95人の最先端AI検出器を評価した。
CharadesDFは携帯電話で録画され、よりプロフェッショナルに捕獲されたDF40と比較すると、低画質の動画に繋がった。
人間は両方のデータセットでAI検出器より優れており、シャラデスDFではAIの精度がほぼ崩壊し(0.537)、人間は堅牢なパフォーマンス(0.784)を維持している。
人間は高品質のディープフェイクを見逃し、AI検出器は本物のビデオを偽物としてフラグ付けし、人間とAIのハイブリッドアンサンブルは高信頼のエラーを減らす。
これらの結果は、実世界の効果的なディープフェイク検出、特に非専門的なビデオでは、AIアルゴリズム単独ではなく、人間とAIのコラボレーションが必要であることを示唆している。
関連論文リスト
- Skyra: AI-Generated Video Detection via Grounded Artifact Reasoning [66.51617619673587]
AI生成ビデオにおける人間の知覚可能な視覚的アーティファクトを識別する,特殊な大規模言語モデル(MLLM)であるSkyraを紹介する。
この目的を達成するために、我々は、人間のアノテーションを微粒化した最初の大規模AI生成ビデオデータセットである、Supervised Fine-Tuning (SFT)のためのViF-CoT-4Kを構築した。
次に,モデルの時間的知覚,説明能力,検出精度を体系的に向上する2段階のトレーニング戦略を開発する。
論文 参考訳（メタデータ） (2025-12-17T18:48:26Z) - BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation [77.55074597806035]
GenBuster-200Kは、200Kの高解像度ビデオクリップを備えた、大規模で高品質なAI生成ビデオデータセットである。
BusterXは、マルチモーダル大言語モデル(MLLM)と強化学習を活用した、AI生成のビデオ検出および説明フレームワークである。
論文 参考訳（メタデータ） (2025-05-19T02:06:43Z) - Human Action CLIPs: Detecting AI-generated Human Motion [13.106063755117399]
マルチモーダルなセマンティック埋め込みを用いて,AIによる人間の動作と現実を区別する,効果的でロバストな手法について述べる。
この方法は、7つのテキスト・ツー・ビデオAIモデルと実際の映像のマッチングによって生成される人間のアクションを備えた、カスタムで構築された、ビデオクリップのオープンソースデータセットであるDeepActionに対して評価される。
論文 参考訳（メタデータ） (2024-11-30T16:20:58Z) - Unmasking Illusions: Understanding Human Perception of Audiovisual Deepfakes [49.81915942821647]
本研究は,ディープフェイク映像を主観的研究により識別する人間の能力を評価することを目的とする。
人間の観察者を5つの最先端オーディオ視覚深度検出モデルと比較することにより,その知見を提示する。
同じ40の動画で評価すると、すべてのAIモデルは人間より優れていることが分かりました。
論文 参考訳（メタデータ） (2024-05-07T07:57:15Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z) - Human Perception of Audio Deepfakes [6.40753664615445]
音声のディープフェイクを検出するための人間と機械の能力を比較する。
我々の実験では、472人のユニークなユーザーが14912ラウンドで最先端のAIディープフェイク検出アルゴリズムと競合した。
人間とディープフェイク検出アルゴリズムは類似の強みと弱みを共有しており、どちらも特定の種類の攻撃を検出するのに苦労している。
論文 参考訳（メタデータ） (2021-07-20T09:19:42Z)
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。