文献

J-GLOBAL ID：202202262930564126   整理番号：22A0475661

合成コンテンツを同定するための活性化空間におけるパターン検出【JST・京大機械翻訳】

Pattern detection in the activation space for identifying synthesized content

著者 (6件)： Cintas Celia (IBM Research Africa, Nairobi, Kenya) ,  Speakman Skyler (IBM Research Africa, Nairobi, Kenya) ,  Tadesse Girmaw Abebe (IBM Research Africa, Nairobi, Kenya) ,  Akinwande Victor (IBM Research Africa, Nairobi, Kenya) ,  McFowland Edward (Harvard University, Boston, USA) ,  Weldemariam Komminist (IBM Research Africa, Nairobi, Kenya)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 153  ページ： 207-213  発行年： 2022年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 生成的敵対ネットワーク(GAN)は,最近,低次元ランダム雑音からの光現実的画像合成において前例のない成功を達成した。大規模で高品質コンテンツを合成する能力は,生成されたサンプルが厳しい社会的,政治的,健康,およびビジネスハザードを創造できる誤った情報をもたらすので,潜在的リスクをもたらす。事前訓練ニューラルネットワークの内層における異常ノード活性化の部分集合を検出することにより,生成されたコンテンツを同定するためにSubsetGANを提案した。これらのノードは,グループとして,実際のデータから生成された活性化の予想分布から離れて発散のノンパラメトリック測度を最大化する。これにより,それらの分布の事前知識なしに合成画像を同定することができた。サブセットGANはノードの部分集合を効率的にスコア化し,最大スコアに寄与する事前訓練分類器内のノードのグループを返した。分類器は,異なるGANからの多重源または識別器ネットワークからのサンプルで訓練された一般的な偽分類器である。本アプローチは,いくつかの最先端のGAN(PGGAN,StarGAN,およびCycleGAN)と生成されたコンテンツの異なった割合にわたって,既存の検出法よりも一貫して高い検出力を示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  弁別器 ,  ネットワーク ,  ニューラルネットワーク ,  ノンパラメトリック法 ,  多重化 ,  検出法 ,  不規則雑音 ,  画像合成 ,  *コンテンツ
準シソーラス用語： 事前知識 ,  高品質 ,  ハザード , 【Automatic Indexing@JST】

著者キーワード (3件)： サブセット走査 ,  生成モデル ,  合成コンテンツ検出

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

タイトルに関連する用語 (3件)： コンテンツ ,  同定 ,  活性化