論文の概要: Curvelet-Based Frequency-Aware Feature Enhancement for Deepfake Detection

• arxiv url: http://arxiv.org/abs/2604.12028v1
• Date: Mon, 13 Apr 2026 20:14:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.107757
• Title: Curvelet-Based Frequency-Aware Feature Enhancement for Deepfake Detection
• Title（参考訳）: ディープフェイク検出のためのカーブレットに基づく周波数認識機能強化
• Authors: Salar Adel Sabri, Ramadhan J. Mstafa,
• Abstract要約: 我々は、ウェッジレベルの注意とスケールアウェアな空間マスキングによって特徴品質を向上させる、新しいCurveletベースの検出手法を提案する。 FF++低圧縮では98.48%の精度と99.96%のAUCを実現し,高圧縮では高い性能を維持した。
• 参考スコア（独自算出の注目度）: 1.5254598796939922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of sophisticated generative models has significantly advanced the realism of synthetic facial content, known as deepfakes, raising serious concerns about digital trust. Although modern deep learning-based detectors perform well, many rely on spatial-domain features that degrade under compression. This limitation has prompted a shift toward integrating frequency-domain representations with deep learning to improve robustness. Prior research has explored frequency transforms such as Discrete Cosine Transform (DCT), Fast Fourier Transform (FFT), and Wavelet Transform, among others. However, to the best of our knowledge, the Curvelet Transform, despite its superior directional and multiscale properties, remains entirely unexplored in the context of deepfake detection. In this work, we introduce a novel Curvelet-based detection approach that enhances feature quality through wedge-level attention and scale-aware spatial masking, both trained to selectively emphasize discriminative frequency components. The refined frequency cues are reconstructed and passed to a modified pretrained Xception network for classification. Evaluated on two compression qualities in the challenging FaceForensics++ dataset, our method achieves 98.48% accuracy and 99.96% AUC on FF++ low compression, while maintaining strong performance under high compression, demonstrating the efficacy and interpretability of Curvelet-informed forgery detection.
• Abstract（参考訳）: 高度な生成モデルの普及は、ディープフェイクとして知られる合成顔コンテンツの実現を著しく前進させ、デジタル信頼に対する深刻な懸念を引き起こした。 現代のディープラーニングベースの検出器はよく機能するが、多くのものは圧縮下で劣化する空間領域の特徴に依存している。 この制限は、堅牢性を改善するために、周波数領域表現とディープラーニングを統合することへのシフトを引き起こしている。 これまで、離散コサイン変換(DCT)、高速フーリエ変換(FFT)、ウェーブレット変換などの周波数変換について研究してきた。 しかしながら、我々の知る限りでは、カーブレット変換は方向性とマルチスケール性に優れるにもかかわらず、ディープフェイク検出の文脈において完全に探索されていない。 本研究では,偏差周波数成分を選択的に強調するように訓練された,ウェッジレベルの注意とスケールアウェアな空間マスキングによって特徴品質を向上させる,新しいカーベレットベースの検出手法を提案する。 洗練された周波数キューは再構成され、修正された事前訓練されたXセプションネットワークに渡されて分類される。 課題であるFaceForensics++データセットの2つの圧縮特性を評価し,高い圧縮性能を維持しつつ,Curveletインフォームドフォージェリ検出の有効性と解釈性を実証しながら,98%の精度と99.96%のAUCをFF++低圧縮で達成した。

関連論文リスト

• TIP: Resisting Gradient Inversion via Targeted Interpretable Perturbation in Federated Learning [8.156452885913108]
  フェデレートラーニング(FL)は、データの局所性を維持しながら協調的なモデルトレーニングを促進する。 勾配の交換により、システムはグラディエント・インバージョン・アタック(GIAs)に弱い。 本稿では、モデル解釈可能性と周波数領域解析を統合する新しい防御フレームワークTIPを提案する。
  論文  参考訳（メタデータ） (2026-02-12T06:32:49Z)
• Enhanced Deep Learning DeepFake Detection Integrating Handcrafted Features [44.45692491500845]
  ディープフェイクとフェイススワップ技術は、デジタルセキュリティに大きな懸念を引き起こしている。 本研究では,手作りの周波数領域特徴と従来のRGB入力を併用した深層学習検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T08:19:22Z)
• 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)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)

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。