文献

J-GLOBAL ID：202102281255875961   整理番号：21A0578853

ペアワイズ学習に基づく深層偽像検出【JST・京大機械翻訳】

Deep Fake Image Detection Based on Pairwise Learning

著者 (3件)： Hsu Chih-Chung (Department of Management Information System, National Pingtung University of Science and Technology, 1, Shuefu Road, Neipu, Pingtung 91201, Taiwan) ,  Zhuang Yi-Xiu (Department of Management Information System, National Pingtung University of Science and Technology, 1, Shuefu Road, Neipu, Pingtung 91201, Taiwan) ,  Lee Chia-Yen (Department of Electrical Engineering, National United University, 2, Lienda, Miaoli 36063, Taiwan)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 1  ページ： 370  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 生成敵対ネットワーク(GAN)は,低次元ランダム雑音から光現実的画像を生成するのに使用できる。不適切なコンテンツを有するそのような合成(偽)画像は,深刻な問題を引き起こすことができるソーシャルメディアネットワークに使用することができる。偽像を検出する目的で,効果的かつ効率的な画像偽造検出器が必要である。しかしながら,従来の画像偽造検出器は,これらの画像を生成し,ソース画像から操作されるので,GANベース発生器によって生成された偽像を認識することができない。したがって,本論文では,コントラスト損失を用いて偽画像を検出するための深層学習ベースアプローチを提案した。最初に,いくつかの最先端のGANを用いて,偽造画像対を生成した。次に,縮小した高密度Netを,入力としてペアワイズ情報を可能にするために,2ストリームネットワーク構造に開発した。次に,提案した共通偽特徴ネットワークをペアワイズ学習を用いて訓練し,偽と実画像間の特徴を識別した。最後に,分類層を,入力画像が偽または実であるかどうかを検出するために,提案した共通偽特徴ネットワークに連結する。実験結果は,提案方法が他の最先端の偽画像検出器を著しく凌駕することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *学習 ,  ネットワーク ,  ネットワーク構造 ,  不規則雑音 ,  検出器 ,  深層 ,  *アーチファクト ,  コンテンツ
準シソーラス用語： 高密度 ,  改竄 ,  ソーシャルメディア ,  低次元 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 偽造検出 ,  GAN ,  対照的損失 ,  深層学習 ,  ペアワイズ学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (28件)：

• Karras, T.; Aila, T.; Laine, S.; Lehtinen, J. Progressive Growing of GANs for Improved Quality, Stability, and Variation. In Proceedings of the International Conference on Learning Representations, Vancouver, BC, Canada, 30 April-3 May 2018.
• Brock, A.; Donahue, J.; Simonyan, K. Large scale GAN training for high fidelity natural image synthesis. In Proceedings of the International Conference on Learning Representations, New Orleans, LA, USA, 6-9 May 2019.
• Zhu, J.; Park, T.; Isola, P.; Efros, A.A. Unpaired image-to-image translation using cycle-consistent adversarial networks. In Proceedings of the 2017 IEEE International Conference on Computer Vision (ICCV), Venice, Italy, 22-29 October 2017; pp. 2242-2251.
• AI Can Now Create Fake Porn, Making Revenge Porn Even More Complicated. 2018. Available online: https://theconversation.com/ai-can-now-create-fake-porn-making-revenge-porn-even-more-complicated-92267 (accessed on 30 March 2019).
• Hsu, C.; Lee, C.; Zhuang, Y. Learning to detect fake face images in the Wild. In Proceedings of the 2018 International Symposium on Computer, Consumer and Control (IS3C), Taichung, Taiwan, 6-8 December 2018; pp. 388-391.

タイトルに関連する用語 (3件)： 学習 ,  深層 ,  偽像