あらまし
|
本文PDFファイルを閲覧するには，ログインする必要があります. 左メニューよりログインして下さい. |
|
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 綿引 凌 金子 直史 鷲見 和彦 誌名 電子情報通信学会論文誌 A Vol.J106-A No.12 pp.275-284 発行日: 2023/12/01 早期公開日: 2023/08/22 Online ISSN: 1881-0195 DOI: 10.14923/transfunj.2023BAP0001 論文種別: 特集論文 (バイオメトリクスと認識・認証論文小特集) 専門分野: バイオメトリクス キーワード: Deepfake検出, Attention機構, Attention Map, 操作領域, 未学習データセット, 本文: PDF(15.7MB)>>
あらまし: 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． | |||||
|
