Enthüllung der Täuschung: Aufdeckung weiterer Fälschungshinweise zur Deepfake-Erkennung
Ein neuartiges Framework zur Erfassung breiterer Fälschungshinweise wurde entwickelt, um die Genauigkeit der Deepfake-Erkennung zu verbessern.
Effektive Deepfake-Erkennung durch Ausnutzung von Style Latent Flows
Die Nutzung von Style Latent Flows ermöglicht eine effektive und generalisierte Deepfake-Erkennung.
Effiziente Erkennung von Deepfakes durch adversarisches Ähnlichkeitslernen von Merkmalen
Durch die Optimierung der Ähnlichkeit zwischen Samples und Gewichtsvektoren, die Maximierung der Ähnlichkeit zwischen unveränderten und adversariell veränderten Beispielen sowie die Maximierung der Unähnlichkeit zwischen echten und gefälschten Samples kann eine effektive und robuste Erkennung von Deepfakes erreicht werden.
Selektives domäneninvariantes Merkmal für eine generalisierbare Deepfake-Erkennung
Ein neuartiger Ansatz zur Reduzierung der Empfindlichkeit gegenüber Gesichtsfälschungen durch die Fusion von Inhalts- und Stilmerkmalen, um die Leistung und Effektivität des Merkmalextraktors zu verbessern und domänenbezogene Merkmale beizubehalten, um echte und gefälschte Gesichter zu unterscheiden.
Selektives domäneninvariantes Merkmal für eine verallgemeinerbare Deepfake-Erkennung
Eine neuartige Methode zur Verbesserung der Generalisierbarkeit von Deepfake-Erkennungsmodellen durch Fusion von Inhalts- und Stilmerkmalen sowie Erhaltung domänenspezifischer Merkmale.
Deepfake Sentry: Ensemble-basierte Methode zur robusten Erkennung und Generalisierung von Deepfakes
Eine ensemble-basierte Methode zur Einführung künstlicher Fingerabdrücke in Trainingsbilder, um die Leistung von Deepfake-Erkennungsmodellen bei Störungen, Kompression und Angriffen zu verbessern.
