Core Concepts
完璧な偽造動画に備えるため、アイデンティティ基盤の人工物非依存型検出手法を提案し、リバランスされた偽造動画検出プロトコルを用いて評価する。
Abstract
本研究は、深層生成モデルの進化により、偽造動画が「完璧」になり、明確な人工物や雑音がなくなることを予想している。しかし、現在の偽造動画検出手法は、これらの人工物に依存しているため、より高度な偽造動画に対して効果が低下する。
そこで本研究では、リバランスされた偽造動画検出プロトコル(RDDP)を提案する。RDDPには2つのバリエーションがある:
RDDP-WHITEHAT: 白帽型の偽造動画アルゴリズムを使って、本物の動画に偽造動画特有の人工物を埋め込む。
RDDP-SURROGATE: リサイズ、JPEG圧縮、動画圧縮、ガウシアンブラーなどの代替関数を使って、本物と偽造の両方の動画に同等のノイズを加える。
これにより、偽造動画と本物の動画の分布が均等化され、検出手法がアーティファクトではなく、より頑健な特徴(アクション系列)に着目するよう強制される。
提案手法のID-Minerは、フレームレベルの人工物非依存エンコーダと、ビデオレベルのアイデンティティ基盤アグリゲータを備えている。前者は、人工物の有無に関わらず一貫した特徴を抽出し、後者は同一人物の異なるアクション系列を類似とみなし、異なる人物のアクション系列を異なるとみなすことで、アイデンティティ特徴を学習する。
実験の結果、ID-Minerは従来手法に比べ、RDDPにおいて大幅に優れた性能を示した。また、一般化性も高く、様々な偽造手法に対して頑健に機能することが確認された。
Stats
本物の動画と偽造動画の分布が均等化されることで、従来手法の性能が大幅に低下する(最大35%の性能低下)
ID-Minerは、RDDPにおいても従来手法を大きく上回る性能を発揮する
Quotes
"完璧な偽造動画を検出するためには、そのような人工物に依存してはいけない"
"アクション系列に基づいて人物のアイデンティティを特定することが重要"