GAN-generated Faces Detection: A Survey and New Perspectives

要約

タイトル：GANによる生成された顔の検出：サーベイと新しい展望

要約：
– GAN（Generative Adversarial Networks）は非常にリアルな顔画像を生成することができるようになりました。
– これらの画像は、偽のソーシャルメディアアカウントや他のディスインフォメーションに使用され、深刻な影響をもたらす可能性があります。
– それに対応するGAN-face検出技術が活発に開発されており、偽の顔を検出し、暴露することができます。
– この論文では、GAN-face検出における最近の進展について包括的なレビューを行いました。
– GANモデルから生成または合成された顔画像を検出することができる方法に焦点を当てました。
– 存在する検出方法を4つのカテゴリーに分類しました：（1）深層学習ベース、（2）物理ベース、（3）生理ベース、（4）人間の視覚性能に対する評価と比較。
– 各カテゴリーについて、主要なアイデアを要約し、実装方法と接続しました。
– また、未解決の問題について議論し、将来の研究方向を提案しました。

要約：
– GANにより生成された顔画像の検出技術が活発に開発されていること。
– 検出技術は、深層学習ベース、物理ベース、生理ベース、人間の視覚性能に対する評価と比較に分類できる。
– 各カテゴリーについて、主要なアイデアを要約し、実装方法と接続することができる。
– 未解決の問題や将来の研究方向についても議論されている。

要約(オリジナル)

Generative Adversarial Networks (GAN) have led to the generation of very realistic face images, which have been used in fake social media accounts and other disinformation matters that can generate profound impacts. Therefore, the corresponding GAN-face detection techniques are under active development that can examine and expose such fake faces. In this work, we aim to provide a comprehensive review of recent progress in GAN-face detection. We focus on methods that can detect face images that are generated or synthesized from GAN models. We classify the existing detection works into four categories: (1) deep learning-based, (2) physical-based, (3) physiological-based methods, and (4) evaluation and comparison against human visual performance. For each category, we summarize the key ideas and connect them with method implementations. We also discuss open problems and suggest future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI