Core Concepts
既存のディープフェイク検出手法を比較し、進歩を測定する包括的なベンチマークを確立する。
Abstract
自動的に操作されたメディアを認識するディープフェイク検出の重要性が増している。
既存のベンチマークは一貫性が欠如しており、公平な比較が困難である。
現在の主要なディープフェイク検出手法は実世界の要件を満たす性能に達していないことが示唆されている。
導入
ディープラーニングに基づく顔操作技術であるDeepfakeの台頭がプライバシーや国家安全保障へ新たな脅威をもたらしている。
大規模なディープフェイクフォレンジックデータセットの登場に伴い、一部の偽造検出ベンチマークが最近設立されてきた。
データ抽出
12以上の異なる方法で生成された操作サンプルから成る難解なデータセットが収集され、11種類の人気のある検出手法(9つのアルゴリズム)が評価されている。
評価方法論
現在存在する制限事項に対処し、この分野で研究をさらに促進するために、7つの人気フォレンジックデータセットと11種類の代表的な偽造検出手法を統合した公正かつ包括的なベンチマークを提案している。
Stats
指摘された制限事項は不公平な比較を導入し、人気手法間で不公平な比較を引き起こす可能性がある。
IDテストセットは人間と検知アルゴリズムの両方から区別できないように作成された操作サンプルを含んでおり、より良い評価と理解が可能。