論文の概要: UniGADD: Universal Generator-Agnostic Deepfake Detector

• arxiv url: http://arxiv.org/abs/2611.07647v1
• Date: Thu, 05 Nov 2026 08:34:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.602434
• Title: UniGADD: Universal Generator-Agnostic Deepfake Detector
• Title（参考訳）: UniGADD:Universal Generator-Agnostic Deepfake Detector
• Abstract要約: 我々は,教師付き学習を用いて既知のディープフェイク発電機の高精度化を実現する新しい手法であるユニバーサルジェネレータ非依存ディープフェイク検出器(UniGADD)を紹介する。 UniGADDは、既知のジェネレータの最先端の手法と同等の精度を達成します。
• 参考スコア（独自算出の注目度）: 7.481035149436657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce Universal Generator-Agnostic Deepfake Detector (UniGADD), a novel method that employs supervised learning to achieve high accuracy on known deepfake generators, while maintaining robust performance on previously unseen ones. The proposed approach follows a two-stage optimisation process. In the first stage, a contrastive loss encourages the model to learn discriminative feature embeddings from real and known fake images, resulting in strong performance within the training domain. In the second stage, the embedding space is refined by promoting inter-cluster separation and intra-cluster compactness, applied exclusively to real samples. This refinement enhances generalisability, enabling the method to exhibit improved robustness against unseen deepfake generation techniques. UniGADD achieves accuracy on par with state-of-the-art methods for known generators, while significantly outperforming them on unseen cases, demonstrating its scalability and practical applicability for adversarial content detection.
• Abstract（参考訳）: 本稿では,教師付き学習を用いて既知のディープフェイク発電機の高精度化を実現し,従来は見つからなかったディープフェイク検出の堅牢性を維持したUniGADD(UniGADD)を提案する。 提案手法は2段階最適化プロセスに従う。 第1段階では、対照的な損失は、実際の偽画像や既知の偽画像から識別的特徴埋め込みを学習し、トレーニング領域内での強いパフォーマンスをもたらす。 第2段階では、実サンプルのみに適用したクラスタ間分離とクラスタ内コンパクト化を促進することにより、埋め込み空間を洗練する。 この改良により汎用性が向上し、目に見えないディープフェイク生成技術に対するロバスト性の向上が図れる。 UniGADDは、既知のジェネレータの最先端の手法と同等の精度を達成しつつ、未確認のケースでは大幅に性能を向上し、そのスケーラビリティと現実的なコンテンツ検出への適用性を実証している。

関連論文リスト

• The Regularizing Power of Language-Training Deepfake Detectors [57.529452351298495]
  ディープフェイク検出は一般的に、低レベルのドメイン固有のアーティファクトへの過度な適合に悩まされる。 デュアルエンコーダアーキテクチャを使用し、凍結した特殊検出器とLoRA調整されたMLLMエンコーダをペアリングする。 我々は、モデルが分類する前に記述的推論を生成することを奨励する強化学習段階を採用している。
  論文  参考訳（メタデータ） (2026-05-29T12:01:17Z)
• Deepfake Detection Generalization with Diffusion Noise [32.88112947781722]
  ディープフェイク検出器は、新しい画像合成技術が出現するにつれて、一般化の課題に直面している。 拡散モデルによって生成されたディープフェイクは、非常にフォトリアリスティックであり、しばしばGANベースのフォジェリーで訓練された検出器を回避している。 本稿では,事前学習した拡散モデルとディープフェイク検出パイプラインを統合したアテンション誘導型雑音学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-16T03:02:04Z)
• CIPHER: Counterfeit Image Pattern High-level Examination via Representation [10.444553810902788]
  そこで我々はCIPHERというディープフェイク検出フレームワークを紹介した。 拡散モデルから ProGAN 識別器からスケール適応的特徴と時間整合性特徴を抽出することにより、CIPHER は従来の検出器がしばしば見落としている生成非依存のアーティファクトをキャプチャする。
  論文  参考訳（メタデータ） (2026-03-31T07:27:58Z)
• Deepfake Forensics Adapter: A Dual-Stream Network for Generalizable Deepfake Detection [22.889849855283355]
  Deepfake Forensics Adapter (DFA)は、視覚言語の基礎モデルをターゲットの法医学分析と相乗化する新しいデュアルストリームフレームワークである。 提案手法では,事前学習したCLIPモデルと3つのコアコンポーネントを統合して,ディープフェイク検出を実現する。 我々のフレームワークは、最先端の性能を実証するだけでなく、堅牢なディープフェイク検出システムを開発するための実用的で効果的な方向を指摘する。
  論文  参考訳（メタデータ） (2026-03-02T04:58:00Z)
• Scaling Up AI-Generated Image Detection via Generator-Aware Prototypes [15.99138549265524]
  GAPL(Generator-Aware Prototype Learning)は、構造化学習パラダイムで表現を制約するフレームワークである。 GAPLは最先端の性能を達成し、多様なGANおよび拡散型ジェネレータにおいて優れた検出精度を示す。
  論文  参考訳（メタデータ） (2025-12-15T04:58:08Z)
• DeepShield: Fortifying Deepfake Video Detection with Local and Global Forgery Analysis [59.8324489002129]
  ローカルな感度とグローバルな一般化のバランスを保ち、目に見えない偽造品間の堅牢性を改善するディープフェイク検出フレームワークであるDeepShieldを紹介する。 DeepShieldは、時間的アーティファクトモデリングとパッチ単位での監視を適用して、グローバルモデルでしばしば見過ごされる微細な不整合をキャプチャする。
  論文  参考訳（メタデータ） (2025-10-29T07:35:29Z)
• Enhancing Abnormality Identification: Robust Out-of-Distribution Strategies for Deepfake Detection [2.4851820343103035]
  本稿では,2つの新しいOf-Distribution(OOD)検出手法を提案する。 第1のアプローチは入力画像の再構築のために訓練され、第2のアプローチはOODを検出するための注意機構が組み込まれている。 提案手法は,ベンチマーク上での最高性能構成のうち,深度検出とランク付けにおいて有望な結果が得られる。
  論文  参考訳（メタデータ） (2025-06-03T13:24:33Z)
• 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)
• GCC: Generative Calibration Clustering [55.44944397168619]
  本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。 まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。 第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
  論文  参考訳（メタデータ） (2024-04-14T01:51:11Z)
• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)

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。