딥페이크 검출을 위한 일반화된 메타러닝 EfficientNet 비전 변환기 모델

최영락; Van-Nhan Tran; 임선자; 박진혁; 이석환; 권기룡

doi:10.9717/kmms.2024.27.6.663

추천

검색

질문

자료유형: 학술저널

저자정보: 최영락 (에스엔씨) Van-Nhan Tran (국립부경대학교) 임선자 (경상국립대학교) 박진혁 (한국해양과학기술원) 이석환 (동아대학교) 권기룡 (글로벌핀테크산업진흥센터)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제27권 제6호

발행연도: 2024.6

수록면: 663 - 674 (12page)

DOI: 10.9717/kmms.2024.27.6.663

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Digitally manipulated images that are realistic-looking but fake, which are known as Deepfake. With the remarkable developments in deep generative models, the accessibility and accuracy of manipulated technologies are increasing, leading to fake videos becoming increasingly difficult to identify. Different facial forgery techniques result in complicated data distributions, but Deepfake detection techniques based on CNN(convolutional neural network) architecture are utilized in the majority of Deepfake detection models as binary classification problems. In this paper, we propose a model, named MEViT, which uses a combination of EfficientNet Vision Transformer with a meta-learning-based technique to improve the generalization of the detection model. Furthermore, we propose a learning process to update the model and introduce pair-discrimination loss and domain adjustment loss to improve detection ability across various domains. We also create various experiments on several Deepfake datasets and compare our proposal with many state-of-the-art works to prove the efficiency of our approach.

#Deepfake Detection #Vision Transformer #Generalization #Video Forensics #Meta-Learning #EfficientNet

참고문헌 (19)

참고문헌 신청

I. Goodfellow, P-A Jean, M. Mehdi, B. Xu, W-F David, O. Sherjil, et al., “Generative Adversarial Networks,” Communications of the ACM, Vol. 63, No. 11, pp. 139-144, 2020.

Y. Li and S. Lyu, “Exposing Deepfake Videos by Detecting Face Warping Artifacts,” arXiv Preprint, arXiv:.1811.00656, 2018.

Y. Qian, G. Yin, L. Sheng, Z. Chen, and J. Shao, “Thinking in Frequency: Face Forgery Detection by Mining Frequency-Aware Clues,” Computer Vision–ECCV 2020: 16th European Conference, pp. 86-103, 2020.

H.H. Nguyen, F. Fang, J. Yamagishi, and I. Echizen, “Multi-Task Learning for Detecting and Segmenting Manipulated Facial Images and Videos,” 2019 IEEE 10th International Conference on Biometrics Theory, Applications and Systems (BTAS), pp. 1-8, 2019.

K. Sun, H. Liu, Q. Ye, Y. Gao, J. Liu, L. Shao, et al., “Domain general face forgery detection by learning to weight,” in Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 35, No. 3, pp. 2638-2646, 2021.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

GAN과 DCGAN을 활용한 딥페이크 영상 기반 위조 영상 판별 연구

전성우 , 김지영 , 박진모 외 1명 한국콘텐츠학회논문지 2024 .07

국내외 언론이 바라본 딥페이크 기술

최창욱 , 정유미 디지털콘텐츠학회논문지 2022 .05

학생 상호작용 중심의 토의 · 토론 기반 인공지능 윤리 교육 프로그램 개발

이동영 , 이영호 컴퓨터교육학회 논문지 2024 .07

딥페이크의 합리적 규제방안

김민호 , 소병수 토지공법연구 2024 .05

김동엽 , 이상진 디지털포렌식연구 2022 .03

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-151-24-02-090139221

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (19)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)