| 研究課題/領域番号 |
20K23355
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1002:人間情報学、応用情報学およびその関連分野
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
レ チュンギア 国立情報学研究所, 情報社会相関研究系, 特任研究員 (00884404)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | deepfake generation / deepfake detection / deepfake segmentation / Face forgery detection / Deepfake generation / Adversarial attack / Forgery detection / Face anonymization / Explainable AI / Multi-task learning / Object detection |
|---|
| 研究開始時の研究の概要 |
This research aims to explore multi-face anonymization and multi-face forgery detection in the wild by utilizing their complementary. We also investigate explainable AI to improve the reliability and the robustness against adversarial attacks.
|
| 研究成果の概要 |
偽造データの合成コストを削減するために、偽造ワークフローを開発しました。 私たちのフレームワークは、ディープフェイクジェネレーターを繰り返しトレーニングすることなく、非ターゲットフェイススワッピング用のGANモデルを使用して、無限の数の偽の個人IDを生成できます。 このフレームワークは、ディープフェイクの生成と匿名化に大きな可能性を秘めています。 また、多面的な偽造の検出と実際のセグメンテーションのために、高品質の画像を使用して新しい大規模なデータセットを作成しました。 また、これらのタスクの評価と進行を容易にするためのベンチマークスイートも紹介しました。
|
| 研究成果の学術的意義や社会的意義 |
We published a book chapter to introduce general knowledge about deepfake for beginners and/or students. We expect that our book chapter is helpful for beginners to understand deepfake and use these techniques correctly.
|
