Deepfake Generation and Detection: A Benchmark and Survey

要約

ディープフェイク生成の進歩に加えて、プライバシー侵害やフィッシング攻撃など、ディープフェイクの潜在的な悪用を規制するために、対応する検出技術も継続的に進化する必要があります。
この調査では、ディープフェイクの生成と検出の最新の開発を包括的にレビューし、この急速に進化する分野の最新技術を要約および分析しています。
まずタスク定義を統一し、データセットとメトリクスを包括的に導入し、生成および検出テクノロジーのフレームワークの開発について議論します。
次に、関連するいくつかのサブ分野の開発について説明し、人気のある顔の交換、顔の再現、話し顔の生成、顔の属性編集、および異物検出の 4 つの主流ディープフェイク分野の研究に焦点を当てます。
続いて、各分野の人気のあるデータセットで代表的な手法を包括的にベンチマークし、主要なカンファレンスやジャーナルに掲載された最新かつ影響力のある研究を十分に評価します。
最後に、議論された分野の課題と将来の研究の方向性を分析します。
私たちは https://github.com/flyingby/Awesome-Deepfake-Generation-and-Detection で最新の開発を注意深くフォローしています。

要約(オリジナル)

In addition to the advancements in deepfake generation, corresponding detection technologies need to continuously evolve to regulate the potential misuse of deepfakes, such as for privacy invasion and phishing attacks. This survey comprehensively reviews the latest developments in deepfake generation and detection, summarizing and analyzing the current state of the art in this rapidly evolving field. We first unify task definitions, comprehensively introduce datasets and metrics, and discuss the development of generation and detection technology frameworks. Then, we discuss the development of several related sub-fields and focus on researching four mainstream deepfake fields: popular face swap, face reenactment, talking face generation, and facial attribute editing, as well as foreign detection. Subsequently, we comprehensively benchmark representative methods on popular datasets for each field, fully evaluating the latest and influential works published in top conferences/journals. Finally, we analyze the challenges and future research directions of the discussed fields. We closely follow the latest developments in https://github.com/flyingby/Awesome-Deepfake-Generation-and-Detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google