DepthFake: a depth-based strategy for detecting Deepfake videos

要約

フェイク コンテンツは、過去数年間で信じられないほどの速度で増加しています。
ソーシャル メディアとオンライン プラットフォームの普及により、悪意のある攻撃者が大規模にそれらを広めることがますます容易になっています。
並行して、偽画像生成手法の普及により、Deep Learning ベースの検出手法が数多く提案されています。
これらの方法のほとんどは、RGB 画像から顕著な特徴を抽出して、画像が偽物か本物かをバイナリ分類器で検出することに依存しています。
この論文では、深度マップを使用して古典的なRGBベースのアプローチを改善する方法に関する研究であるDepthFakeを提案しました。
深度情報は、最近の単眼深度推定技術を使用して RGB 画像から抽出されます。
ここでは、堅牢な事前トレーニング済みアーキテクチャでのディープフェイク検出タスクに対する深度マップの効果的な貢献を示します。
実際、提案された RGBD アプローチは、FaceForensic++ データセットを介した標準的な RGB アーキテクチャに関して、いくつかのディープフェイク攻撃に対して平均 3.20% および最大 11.7% の改善を達成できます。

要約(オリジナル)

Fake content has grown at an incredible rate over the past few years. The spread of social media and online platforms makes their dissemination on a large scale increasingly accessible by malicious actors. In parallel, due to the growing diffusion of fake image generation methods, many Deep Learning-based detection techniques have been proposed. Most of those methods rely on extracting salient features from RGB images to detect through a binary classifier if the image is fake or real. In this paper, we proposed DepthFake, a study on how to improve classical RGB-based approaches with depth-maps. The depth information is extracted from RGB images with recent monocular depth estimation techniques. Here, we demonstrate the effective contribution of depth-maps to the deepfake detection task on robust pre-trained architectures. The proposed RGBD approach is in fact able to achieve an average improvement of 3.20% and up to 11.7% for some deepfake attacks with respect to standard RGB architectures over the FaceForensic++ dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google