文献

J-GLOBAL ID：202202269432000911   整理番号：22A1130569

視覚深さ偽造検出技術の概要【JST・京大機械翻訳】

An overview of visual DeepFake detection techniques

著者 (4件)： Wang Renying (北京郵電大学网絡空間安全学院, 北京 100876) ,  Chu Beilin (北京郵電大学网絡空間安全学院, 北京 100876) ,  Yang Zhen (北京郵電大学网絡空間安全学院, 北京 100876) ,  Zhou Linna (北京郵電大学网絡空間安全学院, 北京 100876)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 27  号： 1  ページ： 43-62  発行年： 2022年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 生成深さ学習アルゴリズムの発展に伴い、深さ偽造技術は発展し、各分野に応用されている。深さの偽造技術の乱用は人々がもたらす脅威を徐々に意識し、偽造検査技術はそれに伴い生まれた。本論文では、視覚深度の偽造技術研究に基づき、総説をまとめた。1)視覚深度の偽造技術の発展過程と技術原理を簡単に紹介し、ネットワークに対抗する深さの偽造製品への応用を含む。2)既存の視覚深度偽造データセットを要約し,分類した。3)現状の視覚深度偽造検査技術を分類し、既存の検出方法を具体的なアーチファクトに基づく、データ駆動に基づく、情報不一致及びその他のタイプの視覚深度偽造検査などの4種類の分類にまとめた。その中、アーチファクトに基づく検出方法は偽造製品と実画像間のピクセルレベル差異を探し、機械学習により、深さ偽造製品中の人工アーチファクトの痕跡を認識し、情報不一致に基づく方法では、偽造製品と実画像あるいはビデオ間の情報レベル差異を探す。これらの2つの方法は,高い認識効率,便利な訓練便益などの利点を有する。データ駆動に基づく方法は、大量のデータセットと機械学習訓練を通じて、直接ニューラルネットワーク自身を用いて、深さ偽造製品を訓練し、ネットワーク構造増進モデルを改善することにより、訓練効率を高め、そのモデルの多変数と高精密率により、現在の深さ偽造検査のホットゲート方向となる。同時に、本文は4種類の方法の具体的なメリットと欠点を分析し、さらに、将来の視覚深度の偽造検査研究における重点と難点を提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  ネットワーク ,  ニューラルネットワーク ,  文献展望 ,  画像 ,  ネットワーク構造 ,  *検出法 ,  録画装置 ,  モデル ,  アーチファクト ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： *改竄 ,  データ駆動 ,  多変量 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 視覚 ,  偽造 ,  概要