論文の概要: Phantom: A Unified Face-Swap Deepfake Protection Framework with Latent and Spatial Constraints

• arxiv url: http://arxiv.org/abs/2606.31703v1
• Date: Tue, 30 Jun 2026 14:10:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.24868
• Title: Phantom: A Unified Face-Swap Deepfake Protection Framework with Latent and Spatial Constraints
• Title（参考訳）: Phantom:潜水と空間制約を兼ね備えたフェイススワップ型ディープフェイク保護フレームワーク
• Abstract要約: フェイススワッピングのディープフェイクは、不正なID操作を可能にすることによって、個人のプライバシーに対するエスカレートな脅威となる。 我々は,潜伏領域と空間領域の摂動を協調的に抑制する統合型フェイススワップディープフェイク保護フレームワークPhantomを提案する。
• 参考スコア（独自算出の注目度）: 0.6533091401094099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face-swapping deepfakes pose an escalating threat to personal privacy by enabling unauthorized identity manipulation. While adversarial approaches have demonstrated success against black-box face recognition (FR) models, their applicability to face-swapping scenarios remains underexplored. In particular, reliance on fixed or random targets yields ambiguous latent guidance, and the lack of explicit spatial constraints causes perturbations to spill into identity-irrelevant regions. These issues are further exacerbated by identity-style disentanglement, which suppresses adversarial signals during deepfake generation. In this paper, we present Phantom, a unified face-swap deepfake protection framework that jointly constrains perturbations in latent and spatial domains. Phantom adaptively synthesizes identity-shifted yet attribute-preserving targets to guide identity-aware latent optimization, and applies masked perturbations confined to semantically relevant facial regions. Extensive experiments on state-of-the-art face-swapping deepfakes demonstrate that Phantom improves protection success rates in dodging scenarios by 27.8%, 25.6%, and 16.6% on UniFace, INSwapper, and SimSwap, respectively, while also enhancing visual quality. Furthermore, Phantom generalizes to impersonation scenario, yielding up to 10.2% higher protection while improving perceptual fidelity. These results underscore the effectiveness of jointly leveraging latent and spatial constraints for robust and coherent facial privacy protection.
• Abstract（参考訳）: フェイススワッピングのディープフェイクは、不正なID操作を可能にすることによって、個人のプライバシーに対するエスカレートな脅威となる。 敵対的アプローチはブラックボックス顔認識(FR)モデルに対して成功したが、フェイススワッピングシナリオへの適用性はまだ未定である。 特に、固定的あるいはランダムな目標への依存は曖昧な遅延誘導をもたらし、明示的な空間的制約の欠如は、摂動をアイデンティティ非関連領域に流出させる。 これらの問題は、ディープフェイク生成時の敵信号を抑制するアイデンティティスタイルの絡み合いによってさらに悪化する。 本稿では,潜伏領域と空間領域の摂動を協調的に抑制する統合型フェイススワップ型ディープフェイク保護フレームワークPhantomを提案する。 Phantomは、IDシフトしたものの属性保存ターゲットを適応的に合成して、ID対応の潜伏最適化を誘導し、意味的に関連する顔領域に限定されたマスク付き摂動を適用している。 最先端のフェイススワッピングディープフェイクに関する大規模な実験では、Phantomは、UniFace、INSwapper、SimSwapでそれぞれ27.8%、25.6%、および16.6%の保護成功率を改善し、視覚的品質を向上させる。 さらに、Phantomは偽装のシナリオを一般化し、知覚の忠実性を改善しながら最大10.2%の保護を与える。 これらの結果は、頑健で一貫性のある顔のプライバシ保護のために、潜伏制約と空間制約を併用する効果を浮き彫りにした。

関連論文リスト

• SRAP: SVD-Refined Adversarial Perturbations for Imperceptible Face-Swap Defense [15.331054591146978]
  投影勾配降下(PGD)によって生じる逆方向の摂動は、顔スワッピングモデルで使用されるアイデンティティ表現を妨害することができる。 PGD摂動の識別感度推定と特異値分解(SVD)により,これらの空間的およびスペクトル的非効率を解析した。 本稿では,各最適化ステップにおいて,チャネル毎のSVD精細化とID重要度マスクを併用したSRAPを提案する。
  論文  参考訳（メタデータ） (2026-08-04T09:48:46Z)
• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• Safeguarding Facial Identity against Diffusion-based Face Swapping via Cascading Pathway Disruption [21.37567715195999]
  VoidFaceは,顔スワップを結合したアイデンティティパスとみなすシステム的防御手法である。 まず,物理レグレッションとセマンティック埋め込みを劣化させるため,局所化の破壊とアイデンティティの消去を導入し,音源面の正確なモデリングを損なう。 次に、注意機構を分離してアイデンティティ注入を行い、ソースアイデンティティの再構築を防ぐために中間拡散特性を損なうことにより、生成領域に介入する。
  論文  参考訳（メタデータ） (2026-01-21T07:52:56Z)
• Diffusion-based Adversarial Identity Manipulation for Facial Privacy Protection [14.797807196805607]
  顔認識は、ソーシャルネットワーク上での不正な監視とユーザー追跡によって、深刻なプライバシー上の懸念を引き起こしている。 既存のプライバシーを強化する方法は、顔のプライバシーを保護する自然な顔画像を生成するのに失敗する。 そこで我々はDiffAIMを提案し、悪意のあるFRシステムに対して自然かつ高度に伝達可能な対向顔を生成する。
  論文  参考訳（メタデータ） (2025-04-30T13:49:59Z)
• FaceSwapGuard: Safeguarding Facial Privacy from DeepFake Threats through Identity Obfuscation [42.52406793874506]
  FaceSwapGuard(FSG)は、ディープフェイクのフェイススワッピング脅威に対するブラックボックス防御機構である。 FSGはユーザーの顔画像に知覚不能な摂動を導入し、アイデンティティエンコーダによって抽出された特徴を妨害する。 複数のフェイススワッピング技術に対するFSGの有効性を示す大規模な実験を行った。
  論文  参考訳（メタデータ） (2025-02-15T13:45:19Z)
• iFADIT: Invertible Face Anonymization via Disentangled Identity Transform [51.123936665445356]
  顔の匿名化は、個人のプライバシーを保護するために顔の視覚的アイデンティティを隠すことを目的としている。 Invertible Face Anonymization の頭字語 iFADIT を Disentangled Identity Transform を用いて提案する。
  論文  参考訳（メタデータ） (2025-01-08T10:08:09Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
  本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。 具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-16T10:38:11Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)

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。