論文の概要: The Alpha Blending Hypothesis: Compositing Shortcut in Deepfake Detection
- arxiv url: http://arxiv.org/abs/2605.10334v1
- Date: Mon, 11 May 2026 10:35:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.735756
- Title: The Alpha Blending Hypothesis: Compositing Shortcut in Deepfake Detection
- Title（参考訳）: アルファブレンディング仮説:ディープフェイク検出におけるショートカットの構成
- Authors: Andrii Yermakov, Jan Cech, Mario Fritz, Jiri Matas,
- Abstract要約: 我々はアルファブレンディング仮説を導入し、最先端のフレームベースの検出器が主にアルファブレンディングサーチとして機能することを示した。
我々は、この仮説を実験的に検証し、ディープフェイク検出器がいわゆるセルフブレンド画像に対して高い感度を示すことを示した。
提案手法では, ブレンディング・サーチとブレンディング・ショートカットに耐性のあるモデルからの予測が極めて相補的であり, アンサンブル構成で94.0%の最先端のAUROCが得られることを示す。
- 参考スコア（独自算出の注目度）: 48.85953407706351
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent deepfake detection methods demonstrate improved cross-dataset generalization, yet the underlying mechanisms remain underexplored. We introduce the Alpha Blending Hypothesis, positing that state-of-the-art frame-based detectors primarily function as alpha blending searchers; rather than learning semantic anomalies or specific generative neural fingerprints, they localize low-level compositing artifacts introduced during the integration of manipulated faces into target frames. We experimentally validate the hypothesis, demonstrating that deepfake detectors exhibit high sensitivity to the so-called self-blended images (SBI) and non-generative manipulations. We propose the method BlenD that leverages a large-scale, diverse dataset of real-only facial images augmented with SBI. This approach achieves the best average cross-dataset generalization on 15 compositional deepfake datasets released between 2019 and 2025 without utilizing explicitly generated deepfakes during training. Furthermore, we show that predictions from explicit blending searchers and models resilient to blending shortcuts are highly complementary, yielding a state-of-the-art AUROC of 94.0% in an ensemble configuration. The code with experiments and the trained model will be publicly released.
- Abstract（参考訳）: 最近のディープフェイク検出手法は、クロスデータセットの一般化の改善を示すが、基礎となるメカニズムは未解明のままである。
我々はアルファブレンディング仮説を導入し、現在最先端のフレームベース検出器は、主にアルファブレンディングサーチとして機能し、意味的異常や特定の生成性神経指紋を学習するのではなく、操作された顔が対象のフレームに統合される際に導入された低レベルの合成アーティファクトを局在させる。
我々は,この仮説を実験的に検証し,ディープフェイク検出器がいわゆるSBI(self-blended image)や非生成的操作に対して高い感度を示すことを示した。
本稿では,SBIを付加したリアルタイム顔画像の大規模・多種多様なデータセットを活用するBlenDを提案する。
このアプローチは、トレーニング中に明示的に生成されたディープフェイクを使わずに、2019年から2025年の間にリリースされた15の合成ディープフェイクデータセット上で、最も平均的なクロスデータセットの一般化を実現する。
さらに、明示的なブレンディングサーチとブレンディングショートカットに耐性を持つモデルからの予測は極めて相補的であり、アンサンブル構成では94.0%の最先端のAUROCが得られることを示す。
実験とトレーニングされたモデルを備えたコードは、一般公開される予定だ。
関連論文リスト
- Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。
CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
論文 参考訳（メタデータ） (2024-07-29T18:00:10Z) - 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) - FSBI: Deepfakes Detection with Frequency Enhanced Self-Blended Images [17.707379977847026]
本稿では、ディープフェイク検出のための周波数強調自己ブレンド画像手法を提案する。
提案手法はFF++とCeleb-DFデータセットで評価されている。
論文 参考訳（メタデータ） (2024-06-12T20:15:00Z) - Towards More General Video-based Deepfake Detection through Facial Component Guided Adaptation for Foundation Model [16.69101880602321]
一般化ビデオに基づくDeepfake検出のためのサイドネットワークベースのデコーダを提案する。
また、空間学習の一般化性を高めるために、FCG(Facial Component Guidance)を導入する。
提案手法は,Deepfakeデータセットに挑戦する上で有望な一般化性を示す。
論文 参考訳（メタデータ） (2024-04-08T14:58:52Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - Detecting Deepfakes with Self-Blended Images [37.374772758057844]
本稿では,深度情報を検出するために,SBI(Self-blended Image)と呼ばれる新しい合成トレーニングデータを提案する。
SBIは、単一のプリスタン画像から擬似ソースとターゲットイメージを混合して生成される。
我々は,FF++,CDF,DFD,DFDC,DFDCP,FFIWデータセットの最先端手法との比較を行った。
論文 参考訳（メタデータ） (2022-04-18T15:44:35Z) - DeepFake Detection by Analyzing Convolutional Traces [0.0]
我々は,人間の顔のディープフェイクの分析に着目し,新しい検出方法を提案する。
提案手法は, 予測最大化(EM)アルゴリズムを用いて, 基礎となる畳み込み生成過程をモデル化するための局所的特徴の集合を抽出する。
その結果、異なるアーキテクチャと対応する生成過程を区別する手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-22T09:02:55Z)
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。