Attention Map修正による未学習のデータセットに対するDeepfake検出性能向上

DOI

書誌事項

タイトル別名
  • Attention Map Modification to Improve Deepfake Detection in Unseen Datasets

抄録

ある人物の顔領域を他人または表情の違う本人と交換した画像を生成するDeepfakeは,プライバシーの侵害や偽情報流布などの脅威があり,検出技術の研究が注目されている.一般にDeepfake検出モデルはReal(実在する顔画像)とFake(Deepfake生成手法によって生成された顔画像)から構成されるデータセットで学習するが,先行研究では,学習データの生成に使用した手法とは異なる手法で生成したFake画像の検出性能が落ちるという問題があった.一方,検出モデルにAttention機構を導入して解釈性の高い結果を得つつ高精度を実現するという先行研究があるが,操作が施されている領域に正しく注目させられないという課題も存在した.そこで本研究では,顔を加工した領域を表すManipulated Area Mapを別に用意し,ネットワークが予測したAttention Mapが操作領域に近づくように学習させることで,未学習の生成手法に対する検出精度を向上させる手法を提案する.実験では,学習に用いられていない生成手法で作成された四つのデータセットに対してのAUCスコアを算出することで提案モデルの性能を評価する.結果として,提案モデルはベースライン手法よりも約2% AUCスコアが向上し,様々な先行研究と比較してもトップクラスの性能を達成した.

収録刊行物

詳細情報 詳細情報について

  • CRID
    1390298278366155008
  • DOI
    10.14923/transfunj.2023bap0001
  • ISSN
    18810195
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ