抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
強力なメディア編集ツールの広範な拡散により,画像とビデオの偽造は,ここ数年,より容易で容易になった。偽のニュースをサポートするのにしばしば用いられるFakeマルチメディアは,生命の多くの分野,特に政治,ジャーナル,および j学において,成長しているメナラを代表する。この脅威に応じて,信号処理コミュニティは,主要な研究努力を生み出している。代表的な信号処理ツールに頼る,ソース同定,偽造検出および位置決めのために多数の方法が提案されてきた。しかしながら,深層学習の出現は,ゲームの規則を変える。一方では,深い学習に基づく新しい洗練された方法は,以前には不可能であったマニピュレーションを達成するために提案されている。一方,深層学習は,新しい強力な法医学ツールによる分析者も提供する。適切に大きな訓練セットを与えられた場合,深層学習アーキテクチャは,通常手法と比較して,通常重要な性能利得を保証し,後処理とエバーションに対するロバスト性が非常に高い。メディアの真正性を確保するための文献において提案された主なアプローチをレビューした後,本論文では,操作された画像やビデオがソーシャルネットワーク上で広がるときのような現実的なシナリオに特別な注意を払って,畳込みニューラルネットワークに依存する最も有望な解決策を探索する。さらに,そのような方法に対する敵対的攻撃の有効性の解析を行った。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】