|
フェイクコンテンツとして，ある人物の顔領域を他の人物の顔と置き換えたり，表情を変更させて作成されるディープフェイク動画と，敵対的生成ネットワークによって人工的に創作された画像や動画を対象に，画像識別器の設計と評価を行った．また，画像識別器を誤認識させるために生成される敵対的ノイズの有無を判別する手法の開発を行った．
正常に撮影，録画されたコンテンツとこれらのフェイクコンテンツを識別するために，コンテンツ中に含まれる不自然な信号を解析する研究動向を広く調べ，生成方法から識別方法，現状での課題などをサーベイ論文としてまとめた．また，動画をフレーム単位で抜き出し，顔領域のみを検出対象として解析する画像識別器を提案し，その評価を行った．
改ざん画像や人工的に創作されるフェイク画像においては，人物が映る画像において，領域単位で分割して不自然な信号を解析するアプローチにてシミュレーションを行った．フェイク画像生成器の学習過程において用いたデータセットに近いデータセットでその識別器をテストすれば，99%を超える精度で識別可能であるが，異なるデータセットを用いた場合には，その精度が大きく下がる傾向が見られた．画像をRGB表示系からHSV表示系に変換することで，テスト時の精度の低下を抑えることを明らかにすることができた．
敵対的事例の検出においては，視覚的にあまり重要でない成分を除去するフィルタを適用することで，自然に含まれる雑音だけなく意図的に加えられた敵対的ノイズの除去を試みた．複数の汎用的なフィルタによる画像識別器の応答特性に着目した手法を考案し，更にこれらのフィルタの効果を解析した上で敵対的ノイズ除去に大きく寄与する処理となるようにフィルタの調整を行った．また，計算量削減の観点から，用いるフィルタ数を減らしつつ，敵対的事例の検出精度を高めるための手法を考案した．
|
