文献

J-GLOBAL ID：202202280207360436   整理番号：22A0781004

人間の顔画像とビデオのためのDeepFake検出:サーベイ【JST・京大機械翻訳】

DeepFake Detection for Human Face Images and Videos: A Survey

著者 (4件)： Malik Asad (Department of Computer Science, Aligarh Muslim University, Aligarh, India) ,  Kuribayashi Minoru (Department of Electrical and Communication Engineering, Okayama University, Okayama, Japan) ,  Abdullahi Sani M. (College of Computer and Information Technology, China Three Gorges University, Yichang, China) ,  Khan Ahmad Neyaz (Department of Computer Application, Integral University, Lucknow, India)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 18757-18775  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： マルチメディア情報を創造し,操作するための技術は,それらが現在,高度な現実感を確実にすることができる点に進展した。DeepFakeは,超現実的形式で顔特徴を生成し,修正する生成深層学習アルゴリズムであり,その中で,実と偽の特徴を識別するのは難しい。この技術は非常に進歩し,TVチャネル,ビデオゲーム産業,および映画における視覚効果の改善や,有名な人々の模倣による誤情報発生のような様々な犯罪活動のような,映画における広範囲の応用を促進している。DeepFakesを同定,分類するために,深層ニューラルネットワーク(DNN)を用いたDeepFake検出における研究は,興味が増している。基本的に,深いFakeは,DNNモデル内のいくつかの情報を注入または置換することによって得られる再生媒体である。この調査では,顔画像とビデオにおけるDeepFake検出法を,それらの結果,性能,使用する方法論,および検出タイプに基づいて要約する。DeepFake生成技術の既存のタイプをレビューし,それらを5つの主要なカテゴリーに分類した。一般に,DeepFakeモデルをDeepFakeデータセット上で訓練し,実験で試験した。さらに,それらの改良に焦点を当てて,利用可能なDeepFakeデータセットの傾向を要約した。さらに,DeepFake検出がどのように一般化DeepFake検出モデルを生成するかの問題を分析した。最後に,DeepFake生成と検出に関連する課題を論じた。この調査に包含された知識は,顔画像とビデオDeepFake検出法における深層学習の使用を加速することを期待する。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： 検出 ,  犯罪 ,  視覚効果 ,  媒質 ,  検出法 ,  *録画装置 ,  ビデオゲーム ,  深層 ,  チャネル ,  マルチメディア ,  機械学習 ,  学習アルゴリズム ,  *顔画像
準シソーラス用語： 深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 人間 ,  顔画像 ,  ビデオ