論文の概要: Swin Meets EfficientNet: Lightweight Architectures for GAN-Based Face Forensics

• arxiv url: http://arxiv.org/abs/2609.01749v1
• Date: Tue, 01 Sep 2026 18:19:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.822006
• Title: Swin Meets EfficientNet: Lightweight Architectures for GAN-Based Face Forensics
• Title（参考訳）: SwinとEfficientNet: GANベースの顔鑑定のための軽量アーキテクチャ
• Abstract要約: この研究は、多くの顔中心のディープフェイクを支える、GAN生成合成顔に焦点を当てている。 既存の検出システムは、畳み込みニューラルネットワーク(CNN)またはグローバルビジョントランスフォーマーに大きく依存している。 3つの実装にわたるSwin-Transformerベースのアーキテクチャについて検討する。
• 参考スコア（独自算出の注目度）: 6.316205493379209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern generative models, such as GANs, diffusion architectures, and autoregressive systems, now produce facial images that are nearly indistinguishable from authentic photographs. This capability makes detecting forged images increasingly difficult, raising serious concerns about identity theft, fraud, and misinformation campaigns. Our research focuses specifically on GAN-generated synthetic faces, which underpin many face-centric deepfakes, and investigates efficient detection approaches using image analysis alone. Existing detection systems rely heavily on either convolutional neural networks (CNNs) or global vision transformers. While CNNs excel at identifying texture-based local features, they struggle with broader contextual understanding. Traditional Vision Transformer (ViT) models can capture long-range structures effectively, but demand substantial computational resources. Our work explores Swin-Transformer-based architectures across three implementations: a compact Swin Transformer trained from the ground up, ImageNet-1K pre-trained Swin-Tiny and Swin-Small models adapted for binary classification, and a novel hybrid combining EfficientNet-B0's convolutional processing with a Swin Transformer backend. We evaluated all models using the 140K Real and Fake Faces dataset, which includes StyleGAN-generated fake faces alongside authentic images from Flickr and DFDC, with balanced splits for training, validation, and testing. The EfficientNetB0+Swin hybrid achieved 99% accuracy and a 99.44% recall on 5,000 test images, outperforming both pure Swin variants and a previous CNN-only baseline on this dataset. Our results suggest that combining hierarchical CNN features with shifted-window self-attention provides an efficient and computationally lightweight method for detecting GAN-generated synthetic faces.
• Abstract（参考訳）: GAN、拡散アーキテクチャ、自己回帰システムなどの近代的な生成モデルは、現在では、本物の写真とほとんど区別できない顔画像を生成する。 この能力により、偽造画像の検出がますます困難になり、個人情報盗難、詐欺、誤情報キャンペーンに対する深刻な懸念が高まる。 本研究は,顔中心のディープフェイクを基盤としたGAN生成合成顔に焦点をあて,画像解析のみを用いた効率的な検出手法について検討する。 既存の検出システムは、畳み込みニューラルネットワーク(CNN)またはグローバルビジョントランスフォーマーに大きく依存している。 CNNはテクスチャベースのローカル特徴を特定するのに優れていますが、より広いコンテキスト理解に苦慮しています。 従来のビジョントランスフォーマー(ViT)モデルは、長距離構造を効果的に捉えることができるが、かなりの計算資源を必要とする。 我々の研究は,Swin-Transformerベースのアーキテクチャを,ゼロからトレーニングしたコンパクトSwin Transformer,バイナリ分類に適応したImageNet-1KプリトレーニングSwin-TinyとSwin-Smallモデル,およびEfficientNet-B0の畳み込み処理とSwin Transformerバックエンドを組み合わせた新しいハイブリッドという,3つの実装にわたって検討している。 140K RealとFake Facesデータセットを使用して、すべてのモデルを評価した。このデータセットには、FlickrとDFDCの認証画像と、トレーニング、検証、テストのためのバランスの取れた分割を含む、StyleGAN生成の偽の顔が含まれている。 EfficientNetB0+Swinハイブリッドは、5,000枚のテスト画像で99%の精度と99.44%のリコールを達成した。 この結果から,階層的CNN特徴とシフトウインドウ自己アテンションを組み合わせることで,GAN生成合成顔を検出するための効率的で計算学的に軽量な手法が提案されている。

関連論文リスト

• SSAFE: Simple and Strong AI-Generated Image Detection via Frozen Vision Encoders [61.07733730455141]
  現代のマルチモーダル視覚表現において,画像の真正性に関する情報がどのように符号化されているかを検討する。 我々は,学習用代表生成器のコンパクトな集合を選択する表現対応型データキュレーション戦略を開発した。 実験により、凍結したマルチモーダル表現と慎重にキュレートされたトレーニングデータを組み合わせることで、AI生成画像検出に対するシンプルで効果的なアプローチが示される。
  論文  参考訳（メタデータ） (2026-06-07T13:56:17Z)
• Digital Image Forgery Detection Using Transfer Learning [0.3914676152740142]
  本研究では,デジタル画像偽造検出のための転送学習フレームワークを提案する。 圧縮認識機能拡張とディープ畳み込みニューラルネットワーク(CNN)アーキテクチャを統合する。 全体として、提案フレームワークは、操作成果物の可視性を向上し、分類の堅牢性を向上し、現実世界のデジタル画像偽造検出シナリオに適している。
  論文  参考訳（メタデータ） (2026-05-04T17:48:36Z)
• Hands-on Evaluation of Visual Transformers for Object Recognition and Detection [0.0]
  視覚変換器(ViT)と従来のCNNモデルを比較する。 ハイブリッドで階層的なトランスフォーマー、特にSwinとCvTは、精度と計算資源のバランスが強い。 全体としては、Vision Transformerは競争力があり、多くの場合、従来のCNNよりも優れています。
  論文  参考訳（メタデータ） (2025-12-10T12:15:48Z)
• Edge-Enhanced Vision Transformer Framework for Accurate AI-Generated Image Detection [0.0]
  本稿では,視覚変換器(ViT)と新たなエッジベース画像処理モジュールを組み合わせたハイブリッド検出フレームワークを提案する。 提案手法は,自動コンテンツ検証とデジタル法医学における実世界の応用に非常に適している。
  論文  参考訳（メタデータ） (2025-08-25T10:30:56Z)
• CO-SPY: Combining Semantic and Pixel Features to Detect Synthetic Images by AI [58.35348718345307]
  実際の画像とAI生成画像を区別する現在の取り組みには、一般化が欠如している可能性がある。 既存のセマンティック機能を強化した新しいフレームワークCo-Spyを提案する。 また、5つの実画像データセットと22の最先端生成モデルからなる包括的データセットであるCo-Spy-Benchを作成します。
  論文  参考訳（メタデータ） (2025-03-24T01:59:29Z)
• Classifying Deepfakes Using Swin Transformers [12.693895808318794]
  本研究では,移動ウィンドウを自己注意に活用した最先端アーキテクチャであるSwin Transformersのディープフェイク画像の検出と分類への応用について検討する。 我々はSwin-ResNetやSwin-KNNのようなSwin Transformerとハイブリッドモデルを評価し、微妙な加工物を識別する能力に焦点を当てた。
  論文  参考訳（メタデータ） (2025-01-26T19:35:46Z)
• Swin Transformer for Robust Differentiation of Real and Synthetic Images: Intra- and Inter-Dataset Analysis [0.0]
  本研究では,自然画像と合成画像の正確な識別のためのSwin Transformerモデルを提案する。 モデルの性能は、3つの異なるデータセットにわたるデータセット内およびデータセット間テストによって評価された。
  論文  参考訳（メタデータ） (2024-09-07T06:43:17Z)
• 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)
• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• 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)
• X-Transfer: A Transfer Learning-Based Framework for GAN-Generated Fake Image Detection [33.31312811230408]
  顔置換などの偽画像を生成するためにGANを誤用することは、重大なセキュリティ上の懸念を引き起こす。 本稿では,新しい画像検出アルゴリズムであるX-Transferを提案する。 インターリーブされた並列勾配伝送を利用する2つのニューラルネットワークを利用することで、トランスファーラーニングを強化する。
  論文  参考訳（メタデータ） (2023-10-07T01:23:49Z)
• Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation [63.46694853953092]
  Swin-Unetは、医用画像セグメンテーション用のUnetライクなトランスフォーマーである。 トークン化されたイメージパッチは、TransformerベースのU字型デコーダデコーダアーキテクチャに供給される。
  論文  参考訳（メタデータ） (2021-05-12T09:30:26Z)

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。