WaveGuard: Robust Deepfake Detection and Source Tracing via Dual-Tree Complex Wavelet and Graph Neural Networks

要約

Deepfakeテクノロジーは、プライバシーの侵略や個人情報の盗難などのリスクを高めます。
これらの脅威に対処するために、周波数領域の埋め込みとグラフベースの構造一貫性を介して堅牢性と知覚性を高めるプロアクティブな透かし枠である導波管を提案します。
具体的には、デュアルツリー複合体ウェーブレット変換（DT-CWT）を使用して透かしを高周波サブバンドに埋め込み、構造一貫性グラフニューラルネットワーク（SC-GNN）を使用して視覚品質を維持しました。
また、埋め込み精度を改良するための注意モジュールを設計します。
フェイススワップと再現のタスクの実験結果は、導導体が堅牢性と視覚品質の両方で最先端の方法を上回ることを示しています。
コードはhttps://github.com/vpsg-research/waveguardで入手できます。

要約(オリジナル)

Deepfake technology poses increasing risks such as privacy invasion and identity theft. To address these threats, we propose WaveGuard, a proactive watermarking framework that enhances robustness and imperceptibility via frequency-domain embedding and graph-based structural consistency. Specifically, we embed watermarks into high-frequency sub-bands using Dual-Tree Complex Wavelet Transform (DT-CWT) and employ a Structural Consistency Graph Neural Network (SC-GNN) to preserve visual quality. We also design an attention module to refine embedding precision. Experimental results on face swap and reenactment tasks demonstrate that WaveGuard outperforms state-of-the-art methods in both robustness and visual quality. Code is available at https://github.com/vpsg-research/WaveGuard.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google