文献
J-GLOBAL ID:202202223406875100   整理番号:22A0914130

Deepfake認識のための多様なGaborフィルタに基づく畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Network Based on Diverse Gabor Filters for Deepfake Recognition
著者 (4件):
資料名:
巻: 10  ページ: 22678-22686  発行年: 2022年 
JST資料番号: W2422A  ISSN: 2169-3536  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
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。
メディア合成と操作は,深層学習の増殖により,前例のないレベルのリアリズムに達している。ディープファクはメディア操作のためのデファクトツールであった。この技術には, enter楽産業における可能性があるが,その脅威は,政治的操作と,バイオメトリックセキュリティシステムのバイパスを含む。その結果,深層検出は,研究コミュニティ間で広く注目されてきた。直感は,深層学習により生成された問題を固定するために深層学習を用いることである。畳み込みニューラルネットワークはパターン認識の分野においてその優位性を示しているが,受容野モデルサイズジレンマはそのようなモデルの解釈の欠如と共に依然として存続している。従来のGabor関数は,これらの問題を固定するために提案されたが,限られた線形Gaborフィルタを生成するだけで,限られたデータおよび応用に対して最適になった。本論文の貢献は4倍である。(i)線形,楕円および円形Gaborフィルタを生成することができる統一Gabor関数を提案する。(ii)バックプロパゲーション学習フレームワークを利用して,畳み込みニューラルネットワークに提案関数を組み込み,適応Gaborフィルタを生成する。(iii)深い画像認識のための二重スケール大きな受容野ネットワークを提示する。(iv)提案モデルが最先端のモデルと比較して,性能とアーキテクチャサイズに関してどこかを示すことを実証した。提案モデルは,4つのベンチマークデータセット:Celeb-DF(v2),DeepFake検出チャレンジPレビュー,FaceForensics++,およびWild Datafakeで評価した。実験結果は,提案した適応Gaborフィルタが,性能低下のない適応加重フィルタと比較して,モデルサイズを64.9%低減することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る