Deepfake検出への応用による現実的条件における学習ベース検出器の評価のための新しいフレームワーク【JST・京大機械翻訳】

Lu Yuhang; Luo Ruizhi; Ebrahimi Touradj

プレプリント

J-GLOBAL ID：202202215152621265 整理番号：22P0308447

Deepfake検出への応用による現実的条件における学習ベース検出器の評価のための新しいフレームワーク【JST・京大機械翻訳】

A Novel Framework for Assessment of Learning-based Detectors in Realistic Conditions with Application to Deepfake Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年03月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深い畳み込みニューラルネットワークは,複数の検出タスクに関して顕著な結果を示した。顕著な進歩にもかかわらず,そのような検出器の性能は,非現実的条件の下での公共ベンチマークでしばしば評価される。特に,圧縮,ノイズおよび強化のような従来の歪みおよび加工操作の影響は,十分に研究されていない。本論文では,より現実的な状況における学習ベース検出器の性能を評価するための厳密なフレームワークを提案した。説明事例を,深い検出状況の下で示した。評価結果に触発されて,自然画像劣化プロセスに基づくデータ増強戦略を設計して,それは2つの深遠検出器の一般化能力を著しく改良する。【JST・京大機械翻訳】

, , , , , ,
, , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る