Dieses Repository bietet eine umfassende Untersuchung der fortschrittlichen Single-Modal- und Multi-Modal-Deepfake-Erkennung, die in der folgenden Umfrage näher erläutert wird.
Ping Liu 1 , Qiqi Tao 2 , Joey Tianyi Zhou 2,3
1 Universität von Nevada, Reno
2 Center for Frontier AI Research (CFAR), A*STAR
3 Zentrum für fortschrittliche Technologien in der Online-Sicherheit (CATOS)
Wenn Sie der Meinung sind, dass es weitere Werke gibt, die in unsere Liste aufgenommen werden sollten, zögern Sie bitte nicht, uns eine E-Mail zu senden ([email protected]/[email protected]/[email protected] ) oder ein Problem ansprechen. Ihre Vorschläge und Kommentare sind für die Gewährleistung der Vollständigkeit und Genauigkeit unserer Ressource von unschätzbarem Wert.
Relevante Umfragen
Deepfake/AIGC-Erzeugung und -Erkennung
Multimodaler Faktencheck
Gesichts-Deepfake-Datensätze
Einzelmodale GAN-generierte Datensätze
Durch Einzelmodaldiffusion generierte Datensätze
Multimodale audiovisuelle Datensätze
Multimodale textvisuelle Datensätze
Einzelmodale (visuelle) Deepfake-Erkennung
Proaktive Methoden für GANs
Proaktive Methoden für Diffusionsmodelle
Naive Erkennung
Erweiterte Erkennung
Erkennung von Diffusionsmodellen
Sequentielle Deepfake-Erkennung
Eingangspegel
Modellebene
Lernniveau
Passive Erkennung
Proaktive Erkennung
Multimodale Deepfake-Erkennung
Unabhängiges Lernen
Gemeinsames Lernen
Matching-basiertes Lernen
Andere
Mittlere Fusion
Späte Fusion
Multitasking-Strategie
Regularisierung
Audiovisuelle Deepfake-Erkennung
Textvisuelle Deepfake-Erkennung
Vertrauenswürdige Deepfake-Erkennung
Gegnerischer Angriff
Backdoor-Angriff
Diskrepanzminimierung
Verteidigungsstrategien
[arXiv 2024] Passive Deepfake-Erkennung über mehrere Modalitäten hinweg: Ein umfassendes Umfragepapier
[arxiv 2024] Deepfake-Generierung und -Erkennung: Ein Benchmark- und Umfragepapierprojekt
[arxiv 2024] Erkennung von Multimedia-Inhalten, die von großen KI-Modellen generiert werden: Ein Umfragepapierprojekt
[ECAI 2023] GAN-generierte Gesichtserkennung: Eine Umfrage und ein Papier zu neuen Perspektiven
[NeurIPS 2023] DeepfakeBench: Ein umfassender Benchmark des Deepfake-Erkennungspapierprojekts
[arxiv 2023] Deepfake-Erkennung: Eine umfassende Studie aus der Zuverlässigkeitsperspektive. Papier
[IJCV 2022] Abwehr bösartiger DeepFakes: Survey, Battleground und Horizon Paper Project
[EMNLP 2023] Multimodale automatisierte Faktenprüfung: Ein Umfragepapier
| Datensatz | Jahr | Aufgabe | Manipulierte Modalität | Anzahl echter Videos | Anzahl gefälschter Videos | Papier | Link |
|---|---|---|---|---|---|---|---|
| FaceForensics++(FF++) | 2019 | Einstufung | Visuell | 1.000 | 4.000 | FaceForensics++: Lernen, manipulierte Gesichtsbilder zu erkennen | Herunterladen |
| DFD | 2019 | Einstufung | Visuell | 363 | 3.068 | Beitragen von Daten zur Deepfake-Erkennungsforschung | Herunterladen |
| DFFD | 2020 | Einstufung | Visuell | 1.000 | 3.000 | Zur Erkennung digitaler Gesichtsmanipulation | Herunterladen |
| FaceShifter | 2020 | Einstufung | Visuell | - | 1.000 | FaceShifter: Auf dem Weg zu High Fidelity und okklusionsbewusstem Face Swapping | Herunterladen |
| DFDC | 2020 | Einstufung | Visuell | 23.654 | 104.500 | Der DeepFake Detection Challenge (DFDC)-Datensatz | Herunterladen |
| Promi-DF | 2020 | Einstufung | Visuell | 590 | 5.639 | Celeb-df: Ein umfangreicher, anspruchsvoller Datensatz für die Deepfake-Forensik | Herunterladen |
| DeeperForensics-1.0 | 2020 | Einstufung | Visuell | 50.000 | 10.000 | DeeperForensics-1.0: Ein umfangreicher Datensatz zur Erkennung von Gesichtsfälschungen in der realen Welt | Herunterladen |
| WildDeepfake | 2020 | Einstufung | Visuell | 3.805 | 3.509 | WildDeepfake: Ein herausfordernder realer Datensatz zur Deepfake-Erkennung | Herunterladen |
| KoDF | 2020 | Einstufung | Visuell | 62.166 | 175.776 | KoDF: Ein umfangreicher koreanischer DeepFake-Erkennungsdatensatz | Herunterladen |
| FFIW_10.000 | 2021 | Klassifizierung und räumliche Erdung | Visuell | 10.000 | 10.000 | Gesichtsforensik in freier Wildbahn | Herunterladen |
| ForgeryNet | 2021 | Klassifizierung und räumliche Erdung und zeitliche Erdung | Visuell | 99.630 | 12,1617 | Forgerynet: Ein vielseitiger Benchmark für umfassende Fälschungsanalysen | Herunterladen |
| DF-Platter | 2023 | Einstufung | Visuell | 133.260 | 132.496 | DF-Platter: Multi-Face heterogener Deepfake-Datensatz | Herunterladen |
| Datensatz | Jahr | Aufgabe | Manipulierte Modalität | Anzahl echter Bilder | Anzahl gefälschter Bilder | Papier | Link |
|---|---|---|---|---|---|---|---|
| DeepFakeFace | 2023 | Einstufung | Visuell | 30.000 | 90.000 | Robustheit und Generalisierbarkeit der Deepfake-Erkennung: Eine Studie mit Diffusionsmodellen | Herunterladen |
| DiFF | 2024 | Einstufung | Visuell | 23.661 | 537.466 | Diffusionserkennung von Gesichtsfälschungen | Herunterladen |
| DiffusionFace | 2024 | Einstufung | Visuell | 30.000 | 600.000 | DiffusionFace: Auf dem Weg zu einem umfassenden Datensatz für die diffusionsbasierte Analyse von Gesichtsfälschungen | Herunterladen |
| DiffusionDB-Gesicht | 2024 | Einstufung | Visuell | 94.120 | 24.794 | Verbreitung Deepfake | Herunterladen |
| JourneyDB-Gesicht | 2024 | Einstufung | Visuell | 94.120 | 87.833 | Verbreitung Deepfake | Herunterladen |
| Datensatz | Jahr | Aufgabe | Manipulierte Modalität | Anzahl echter Videos | Anzahl gefälschter Videos | Papier | Link |
|---|---|---|---|---|---|---|---|
| FakeAVCeleb | 2021 | Einstufung | Visuell und Audio | 500 | 19.500 | FakeAVCeleb: Ein neuartiger multimodaler Audio-Video-Deepfake-Datensatz | Herunterladen |
| TMC | 2022 | Klassifizierung und zeitliche Erdung | Visuell und Audio | 2.563 | 4.380 | Trusted Media Challenge-Datensatz und Benutzerstudie | - |
| LAV-DF | 2022 | Klassifizierung und zeitliche Erdung | Visuell und Audio | 36.431 | 99.873 | Meinst du das wirklich? Inhaltsgesteuerter audiovisueller Deepfake-Datensatz und multimodale Methode zur zeitlichen Fälschungslokalisierung | Herunterladen |
| DefakeAVMiT | 2023 | Einstufung | Visuell und Audio | 540 | 6.480 | AVoiD-DF: Audiovisuelles gemeinsames Lernen zur Erkennung von Deepfakes | - |
| AV-Deepfake1M | 2023 | Klassifizierung und zeitliche Erdung | Visuell und Audio | 286.721 | 860.039 | AV-Deepfake1M: Ein umfangreicher LLM-gesteuerter audiovisueller Deepfake-Datensatz | Herunterladen |
| MMDFD | 2023 | Einstufung | Bild & Audio & Text | 1.500 | 5.000 | MMDFD – Ein multimodaler benutzerdefinierter Datensatz zur Deepfake-Erkennung | - |
| PolyGlotFake | 2024 | Einstufung | Bild & Audio & Text | 766 | 14.472 | PolyGlotFake: Ein neuartiger mehrsprachiger und multimodaler DeepFake-Datensatz | Herunterladen |
| Datensatz | Jahr | Aufgabe | Manipulierte Modalität | Anzahl echter Bild-Text-Paare | Anzahl gefälschter Bild-Text-Paare | Papier | Link |
|---|---|---|---|---|---|---|---|
| DGM4 | 2023 | Klassifizierung und räumliche Erdung sowie Texterdung | Visuell und Text | 77.426 | 152.574 | DGM4: Erkennung und Erdung multimodaler Medienmanipulation und darüber hinaus | Herunterladen |
[CVPR 2024] Papier zum Überdenken der Up-Sampling-Operationen in CNN-basierten generativen Netzwerken zur verallgemeinerbaren Deepfake-Erkennung
[CVPR 2024] LAA-Net: Lokalisiertes Artefakt-Aufmerksamkeitsnetzwerk für qualitätsunabhängiges und verallgemeinerbares Deepfake-Erkennungspapier
[arXiv 2024] Datenunabhängiger Operator: Ein schulungsfreier Artefakt-Repräsentationsextraktor für verallgemeinerbares Deepfake-Erkennungspapier
[arXiv 2024] Ein einziger einfacher Patch ist alles, was Sie für KI-generiertes Bilderkennungspapier benötigen
[arXiv 2024] GenFace: Ein groß angelegter Gesichtsfälschungs-Benchmark und Cross-Appearance-Edge-Lernpapier
[TMM 2023] GLFF: Globale und lokale Feature-Fusion für KI-synthetisiertes Bilderkennungspapier
[CVPRW 2023] Faszinierende Eigenschaften synthetischer Bilder: von generativen kontradiktorischen Netzwerken bis hin zu Diffusionsmodellen Papier
[arXiv 2023] Diffusionsrauschfunktion: Präzises und schnell generiertes Bilderkennungspapier
[CVPR 2021] Multi-Attentional Deepfake Detection Paper
[CVPR 2020] Globale Texturverbesserung für die Erkennung gefälschter Gesichter im Wild Paper
[ICCV 2019] FaceForensics++: Lernen, manipulierte Gesichtsbilder zu erkennen Papier
[WIFS 2018] Mesonet: ein kompaktes Netzwerk zur Erkennung von Gesichtsvideofälschungen. Papier
[arXiv 2024] Verallgemeinerung der Deepfake-Videoerkennung mit Plug-and-Play: Video-Level Blending und Spatiotemporal Adapter Tuning Paper
[arXiv 2024] UniForensics: Erkennung von Gesichtsfälschungen anhand eines Papiers zur allgemeinen Gesichtsdarstellung
[arXiv 2024] Papier zum Erlernen der natürlichen Darstellung für die Videoerkennung von Gesichtsfälschungen
[IJCV 2024] Erlernen der raumzeitlichen Inkonsistenz mithilfe des Miniaturbild-Layouts für das Papier zur Gesichts-Deepfake-Erkennung
[CVPR 2024] Papier zur Nutzung latenter Stilflüsse zur Verallgemeinerung von Deepfake-Videoerkennung
[arxiv 2024] Komprimierte Deepfake-Videoerkennung basierend auf 3D Spatiotemporal Trajectories Paper
[AAAI 2023] Rauschbasierte Deepfake-Erkennung mittels Multi-Head-Relative-Interaction-Paper
[ICCV 2023] TALL: Miniaturbild-Layout für Deepfake-Videoerkennungspapier
[CVPR 2023] AltFreezing für allgemeineres Papier zur Erkennung von Gesichtsfälschungen in Videos
[TCSVT 2023] MRE-Net: Multi-Rate Excitation Network for Deepfake Video Detection Paper
[WACV 2023] TI2Net: Temporal Identity Inconsistency Network for Deepfake Detection Paper
[ACM MM Asia 2022] Latente Mustererkennung: Deepfake-Videoerkennung durch prädiktives Repräsentationslernpapier
[CVPR 2021] Lippen lügen nicht: Ein verallgemeinerbarer und robuster Ansatz zur Erkennung von Fälschungen
[ICCV 2021] Untersuchung der zeitlichen Kohärenz für ein allgemeineres Papier zur Erkennung von Gesichtsfälschungen in Videos
[ACM MM 2020] DeepRhythm: Aufdeckung von DeepFakes mit aufmerksamkeitsstarken visuellen Herzschlagrhythmen
[WIFS 2018] In Ictu Oculi: Aufdecken von KI-erstellten gefälschten Videos durch Erkennen von Augenzwinkern auf Papier
[arXiv 2024] Ein qualitätszentriertes Framework für generisches Deepfake-Erkennungspapier
[arXiv 2024] Auf dem Weg zur allgemeinen Deepfake-Erkennung mit dynamischem Lehrplanpapier
[ECCV 2024] Fake It Until You Make It: Curricular Dynamic Forgery Augmentations to General Deepfake Detection Paper
[arXiv 2024] Können wir Deepfake-Daten beim Training des Deepfake-Detektors zurücklassen? Papier
[arXiv 2024] ED4: Explizites Debiasing auf Datenebene für Deepfake-Erkennungspapier
[arXiv 2024] FSBI: Deepfakes Detection with Frequency Enhanced Self-Blended Images Paper
[arXiv 2024] FreqBlender: Verbesserung der DeepFake-Erkennung durch Blending Frequency Knowledge Paper
[ICCV 2023] SeeABLE: Weiche Diskrepanzen und begrenztes kontrastives Lernen zur Aufdeckung von Deepfakes-Papier
[arXiv 2023] Überwindung der Fälschungsspezifität mit latenter Raumerweiterung für verallgemeinerbares Deepfake-Erkennungspapier
[CVPR 2022] Papier zur Erkennung von Deepfakes mit selbst zusammengefügten Bildern
[CVPR 2022] Selbstüberwachtes Lernen eines gegnerischen Beispiels: Auf dem Weg zu guten Verallgemeinerungen für Deepfake-Erkennungspapier
[CVPR 2021] Repräsentatives Forgery Mining für Fake Face Detecti Paper
[ICCV 2021] Papier zum Erlernen der Selbstkonsistenz für die Deepfake-Erkennung
[arXiv 2024] NUTZEN VON WAVELET-TRANSFORMATIONEN ZUR ALLGEMEINEN DEEPFAKE-FÄLSCHUNGSERKENNUNG Papier
[arXiv 2024] Multiple Contexts and Frequency Aggregation Network for Deepfake Detection Paper
[AAAI 2024] Frequenzbewusste Deepfake-Erkennung: Verbesserung der Generalisierbarkeit durch Lernpapier zum Frequenzraum
[ICASSP 2024] Frequency Masking for Universal Deepfake Detection Paper
[CVPR 2023] Dynamisches Graphenlernen mit inhaltsgesteuerter Begründung von räumlichen Frequenzbeziehungen für Deepfake-Erkennungspapier
[AAAI 2022] FrePGAN: Robuste Deepfake-Erkennung mithilfe von Störungen auf Frequenzebene Papier
[AAAI 2022] HINZUFÜGEN: Frequency Attention und Multi-View-basierte Wissensdestillation zur Erkennung minderwertiger komprimierter Deepfake-Bilder
[CVPR 2021] Flaches Lernen in räumlicher Phase: Gesichtsfälschungserkennung im Frequenzbereichspapier neu denken
[CVPR 2021] Papier zur Generalisierung der Erkennung von Gesichtsfälschungen mit Hochfrequenzmerkmalen
[CVPR 2021] Frequenzbewusstes Lernen diskriminierender Merkmale, überwacht durch Single-Center Loss for Face Forgery Detection Paper
[AAAI 2021] Papier zum Lernen lokaler Beziehungen zur Erkennung von Gesichtsfälschungen
[ECCV 2020] Thinking in Frequency: Face Fake Detection by Mining Frequency-Aware Clues Paper
[TMM 2024] DIP: Diffusion Learning of Inconsistency Pattern for General DeepFake Detection Paper
[arXiv 2024] FakeFormer: Effiziente Schwachstellen-gesteuerte Transformatoren für verallgemeinerbare Deepfake-Erkennung. Papier
[arXiv 2024] NUTZEN VON WAVELET-TRANSFORMATIONEN ZUR ALLGEMEINEN DEEPFAKE-FÄLSCHUNGSERKENNUNG Papier
[arXiv 2024] Erkennung von Gesichtsfälschungen mit aufwändigem Backbone-Papier
[arXiv 2024] Auf den Schultern von Riesen: Reprogramming Visual-Language Model for General Deepfake Detection Paper
[arXiv 2024] Geführt und verschmolzen: Effizientes eingefrorenes CLIP-ViT mit Feature-Anleitung und mehrstufiger Feature-Fusion für verallgemeinerbares Deepfake-Erkennungspapier
[arXiv 2024] Open-Set Deepfake-Erkennung: Eine Parameter-effiziente Anpassungsmethode mit Forgery Style Mixture Paper
[arXiv 2024] Eine aktuelle Umfrage zum Vision Transformer for Deepfake Detection Paper
[arXiv 2024] Erforschung selbstüberwachter Bildtransformatoren zur Deepfake-Erkennung: Ein vergleichendes Analysepapier
[arXiv 2024] Mischung aus Experten mit niedrigem Rang für übertragbares Papier zur KI-generierten Bilderkennung
[arXiv 2024] MoE-FFD: Expertenmix für verallgemeinertes und parametereffizientes Papier zur Erkennung von Gesichtsfälschungen
[CVPR 2023] AUNet: Lernbeziehungen zwischen Aktionseinheiten für das Papier zur Erkennung von Gesichtsfälschungen
[ACM MM 2023] UMMAFormer: A Universal Multimodal-adaptive Transformer Framework for Temporal Forgery Localization Paper
[ICCVW 2023] Undercover Deepfakes: Erkennung gefälschter Segmente in Videopapieren
[arXiv 2023] DeepFake-Adapter: Dual-Level-Adapter für DeepFake-Erkennungspapier
[MIPR 2023] Verbesserung der allgemeinen Erkennung von Gesichtsfälschungen mittels Vision Transformer mit Low-Rank-Anpassungspapier
[arXiv 2024] Verstehen und Verbessern schulungsfreier KI-generierter Bilderkennungen mit Vision Foundation Models Paper
[arXiv 2024] Forensik-Adapter: Anpassung von CLIP für verallgemeinerbares Papier zur Erkennung von Gesichtsfälschungen
[arXiv 2024] ForgeryGPT: Multimodales großes Sprachmodell zur erklärbaren Erkennung und Lokalisierung von Bildfälschungen
[ACCV 2024] DPL: Qualitätsübergreifende DeepFake-Erkennung mittels Dual Progressive Learning Paper
[WACV 2025] DeCLIP: Dekodierung von CLIP-Darstellungen für Deepfake-Lokalisierungspapier
[arXiv 2024] X2-DFD: EIN RAHMEN FÜR ERKLÄRBARE UND ERWEITERBARE DEEPFAKE-ERKENNUNG Papier
[arXiv 2024] MFCLIP: Multimodaler feinkörniger CLIP für verallgemeinerbares Diffusions-Gesichtsfälschungserkennungspapier
[arXiv 2024] FFAA: Assistentenpapier zur multimodalen, auf einem großen Sprachmodell basierenden, erklärbaren Open-World-Gesichtsfälschungsanalyse
[arXiv 2024] C2P-CLIP: Einfügen einer allgemeinen Eingabeaufforderung der Kategorie in CLIP, um die Generalisierung in Deepfake-Erkennungspapieren zu verbessern
[arXiv 2024] GM-DF: Generalized Multi-Scenario Deepfake Detection Paper
[arXiv 2024] Auf dem Weg zu einer allgemeineren videobasierten Deepfake-Erkennung durch gesichtsmerkmalsgesteuerte Anpassung für Foundation Model Paper
[arXiv 2024] FakeBench: Entdecken Sie die Achillesfersen gefälschter Bilder mit großem multimodalem Modellpapier
[CVPR Workshop 2024] Kann ChatGPT DeepFakes erkennen? Eine Studie zur Verwendung multimodaler großer Sprachmodelle für Medienforensikpapier
[arXiv 2024] SHIELD: An Evaluation Benchmark for Face Spoofing and Forgery Detection with Multimodal Large Language Models Paper
[arXiv 2024] Common Sense Reasoning for Deep Fake Detection Paper
[ACM ICMRW 2024] Towards Quantitative Evaluation of Explainable AI Methods for Deepfake Detection Paper
[arxiv 2023] Fälschungsbewusster Adaptiver Vision-Transformer zur Erkennung von Gesichtsfälschungen, Papier
[arXiv 2023] Auf dem Weg zu einem allgemeinen Papier zur Erkennung visuell-linguistischer Gesichtsfälschungen
[ToMM 2024] Domäneninvariantes und Patch-diskriminierendes Feature-Learning für die allgemeine Deepfake-Erkennung
[ICME 2023] Domain-Invariante Feature Learning for General Face Forgery Detection Paper
[ICDM 2023] Papier zum konzentrischen Ringverlust bei der Erkennung von Gesichtsfälschungen
[arXiv 2024] Erfassen Sie Artefakte durch progressive Entwirrung und Reinigung gemischter Identitäten für Deepfake-Erkennungspapier
[CVPR 2024] Wahrung der Fairness-Verallgemeinerung im Deepfake-Erkennungspapier
[arXiv 2024] Papier zur Entkopplung der Fälschungssemantik für verallgemeinerbare Deepfake-Erkennung
[arXiv 2023] Verbesserung der datensatzübergreifenden Deepfake-Erkennung mit Deep Information Decomposition Paper
[ICCV 2023] UCF: Gemeinsame Merkmale für verallgemeinerbares Deepfake-Erkennungspapier aufdecken
[ECCV 2022] Untersuchung entwirrter Inhaltsinformationen für das Papier zur Erkennung von Gesichtsfälschungen
[CVPR 2023] MARLIN: Maskierter Autoencoder für Gesichtsvideodarstellung Lernpapier
[CVPR 2022] Papier zum Thema „End-to-End-Rekonstruktion-Klassifizierungslernen für die Erkennung von Gesichtsfälschungen“.
[IJCAI 2021] Jenseits des Spektrums: Erkennung von Deepfakes mithilfe von Re-Synthesis Paper
[CVPRW 2020] OC-FakeDect: Klassifizierung von Deepfakes mithilfe von Ein-Klassen-Variations-Autoencoder-Papier
[CVPR 2024] EditGuard: Vielseitige Bildwasserzeichen für Manipulationslokalisierung und Urheberrechtsschutzpapier
[WACV 2024] Schwach überwachte Deepfake-Lokalisierung in diffusionsgenerierten Bildern. Papier
[arXiv 2024] Delocate: Erkennung und Lokalisierung von Deepfake-Videos mit zufällig lokalisierten manipulierten Spuren Papier
[CVPR 2023] MaLP: Manipulationslokalisierung mithilfe eines proaktiven Schemapapiers
[CVPR 2023] Implizites Identitätsleck: Der Stolperstein zur Verbesserung der Verallgemeinerung der Deepfake-Erkennung
[ACM MM 2023] Lokalisieren und überprüfen: Ein Two-Stream-Netzwerk zur verbesserten Deepfake-Erkennung Papier
[CVPR 2020] Gesichtsröntgen für allgemeineres Papier zur Erkennung von Gesichtsfälschungen
[CVPR 2020] Papier zur Erkennung digitaler Gesichtsmanipulation
[NeurIPS 2024] DiffusionFake: Verbesserung der Generalisierung bei der Deepfake-Erkennung durch Guided Stable Diffusion Paper
[CVPR 2023] Implicit Identity Driven Deepfake Face Swapping Detection Paper
[CVPR 2022] Schutz von Prominenten vor DeepFake mit Identity Consistency Transformer Paper
[TPAMI 2021] DeepFake-Erkennung basierend auf Diskrepanzen zwischen Gesichtern und ihrem Kontextpapier
[ICCV 2021] ID-Reveal: Identitätsbewusstes DeepFake-Videoerkennungspapier
[arXiv 2023] DomainForensics: Gesichtsfälschung über Domains hinweg mithilfe eines bidirektionalen Anpassungspapiers aufdecken
[AAAI 2022] HINZUFÜGEN: Frequency Attention und Multi-View-basierte Wissensdestillation zur Erkennung minderwertiger komprimierter Deepfake-Bilder
[ACM MM 2021] CoReD: Verallgemeinerung der Erkennung gefälschter Medien mit kontinuierlicher Darstellung mithilfe von Destillationspapier
[CVPRW 2021] FReTAL: Generalizing Deepfake Detection using Knowledge Destillation and Representation Learning Paper
[Journal of Mathematical Imaging and Vision 2015] Sliced and Radon Wasserstein Barycenters of Measures Paper
[arXiv 2024] Semantikorientiertes Multitasking-Lernen für die DeepFake-Erkennung: Ein Papier zum gemeinsamen Einbettungsansatz
[ToMM 2024] Meisterung der Deepfake-Erkennung: Ein hochmoderner Ansatz zur Unterscheidung von GAN- und Diffusionsmodell-Bildern. Papier
[CVPR 2023] Papier zur hierarchischen feinkörnigen Bildfälschungserkennung und -lokalisierung
[ICCV 2023] Kontrollierbarer Leitfadenraum für verallgemeinerbares Papier zur Erkennung von Gesichtsfälschungen
[arXiv 2024] Papier zur Wirksamkeit der Datensatzausrichtung für die Erkennung gefälschter Bilder
[CVPR 2024] LaRE^2: Auf latenten Rekonstruktionsfehlern basierende Methode für diffusionsgeneriertes Bilderkennungspapier
[VISAPP 2024] Towards the Detection of Diffusion Model Deepfakes Paper
[arXiv 2024] Diffusion Paper zur Erkennung von Gesichtsfälschungen
[ICCV 2023] DIRE für Diffusion-Generated Image Detection Paper
[ICASSP 2023] Zur Erkennung synthetischer Bilder, die durch Diffusionsmodelle erzeugt werden. Aufsatz
[ICCVW 2023] Erkennung von Bildern, die von Deep-Diffusion-Modellen erzeugt werden, unter Verwendung ihres Papiers zur lokalen intrinsischen Dimensionalität
[ICMLW 2023] Aufdecken der Fälschung: Effektives Papier zur Erkennung diffusionsgenerierter Bilder
[ECCV 2022] Papier zur Erkennung und Wiederherstellung sequentieller DeepFake-Manipulation
[arXiv 2023] Robustes sequentielles DeepFake-Erkennungspapier
[CVPR 2024] Kontrastives Lernen für DeepFake-Klassifizierung und -Lokalisierung mittels Multi-Label-Ranking-Papier
[TIFS 2024] Ressourcenpapier zum Multi-Collaboration- und Multi-Supervision-Netzwerk für die sequentielle Deepfake-Erkennung
[Transaktionen zur Unterhaltungselektronik 2024] Erkennung sequentieller Deepfake-Manipulation über Spectral mit Pyramid Attention in Consumer-IoT-Paper
[arXiv 2024] Gesichter in Sichtweite verbergen: DeepFakes durch Störung der Gesichtserkennung verteidigen Papier
[arXiv 2024] Facial Features Matter: ein auf dynamischen Wasserzeichen basierendes, proaktives Deepfake-Erkennungs-Ansatzpapier
[arXiv 2024] ID-Guard: Ein universeller Rahmen zur Bekämpfung von Gesichtsmanipulationen durch das Entschlüsseln von Ausweispapieren
[IJCAI 2024] Sind Wasserzeichen Bugs für Deepfake-Detektoren? Papier zur proaktiven Forensik neu denken
[TIFS 2024] Duale Verteidigung: Widersprüchliches, nachverfolgbares und unsichtbares robustes Wasserzeichen gegen Face-Swapping-Papier
[CVPR 2023] MaLP: Manipulationslokalisierung mithilfe eines proaktiven Schemapapiers
[ACM MM 2023] SepMark: Tief trennbares Wasserzeichen für einheitliche Quellenverfolgung und Deepfake-Erkennung
[arXiv 2023] Feature Extraction Matters More: Universal Deepfake Disruption through Attacking Ensemble Feature Extractors Paper
[arXiv 2023] Robustes Identitätswahrnehmungswasserzeichen gegen Deepfake-Face-Swapping-Papier
[CVPR 2022] Papier zur proaktiven Bildmanipulationserkennung
[ICLR 2022] Verantwortungsvolle Offenlegung generativer Modelle mithilfe von skalierbarem Fingerabdruckpapier
[ECCV 2022] TAFIM: Papier zu gezielten gegnerischen Angriffen gegen Gesichtsbildmanipulationen
[AAAI 2022] CMUA-Wasserzeichen: Ein modellübergreifendes universelles gegnerisches Wasserzeichen zur Bekämpfung von Deepfake-Papier
[IJCAI 2022] Anti-Forgery: Auf dem Weg zu einem heimlichen und robusten DeepFake-Störungsangriff durch kontradiktorische wahrnehmungsbewusste Störungen Papier
[AAAI 2021] Papier der Initiative „Verteidigung gegen Gesichtsmanipulation“.
[CVPRW 2020] Disrupting Deepfakes: Adversarial Attacks Against Conditional Image Translation Networks and Facial Manipulation Systems Paper
[WACVW 2020] Disrupting Image-Translation-based DeepFake Algorithms with Adversarial Attacks Paper
[ICLR 2024] DIAGNOSE: Erkennung unautorisierter Datennutzungen in Text-zu-Bild-Diffusionsmodellen Papier
[NeurIPSW 2024] DiffusionShield: Ein Wasserzeichen für den Urheberrechtsschutz von Daten gegen generative Diffusionsmodelle. Papier
[ICCV 2023] The Stable Signature: Rooting Watermarks in Latent Diffusion Models Paper
[TPS-ISA 2023] Unsichtbares Wasserzeichen für Audio Generation Diffusion Models Paper
[arXiv 2023] Ein Rezept für Wasserzeichen-Diffusionsmodelle auf Papier
[arXiv 2023] LEAT: Auf dem Weg zu einer robusten Deepfake-Störung in realen Szenarien durch Latent Ensemble Attack Paper
[Applied Soft Computing 2023] AVFakeNet: Ein einheitliches End-to-End-Dense-Swin-Deep-Learning-Modell für die audiovisuelle Deepfakes-Erkennung. Paper
[APSIPA ASC 2022] Multimodale Fälschungserkennung mithilfe von Ensemble-Lernpapier
[ICCV 2021] Gemeinsames audiovisuelles Deepfake-Erkennungspapier
[ACM MMW 2021] Auswertung eines multimodalen Audio-Video-Deepfake-Datensatzes unter Verwendung von Unimodal and Multimodal Detectors Paper
[BMVC 2024] Erkennen von audiovisuellen Deepfakes mit feinkörnigem Inkonsistenzpapier
[arXiv 2024] Kontextuelle modalübergreifende Aufmerksamkeit für audiovisuelle Deepfake-Erkennung und -Lokalisierung. Papier
[TIFS 2023] AVoiD-DF: Audiovisuelles gemeinsames Lernen zur Erkennung von Deepfake-Papier
[arXiv 2022] Ein auf audiovisueller Aufmerksamkeit basierendes multimodales Netzwerk zur Erkennung gefälschter Gesichtsvideos
[ICCV 2021] Gemeinsames audiovisuelles Deepfake-Erkennungspapier
[arXiv 2024] Integration audiovisueller Funktionen für multimodales Deepfake-Erkennungspapier
[arXiv 2024] AVT2-DWF: Improving Deepfake Detection with Audio-Visual Fusion and Dynamic Weighting Strategies Paper
[Bildkommunikation 2023] Vergrößerung multimodaler Fälschungshinweise für Deepfake-Erkennungspapier
[arXiv 2023] DF-TransFusion: Multimodale Deepfake-Erkennung mittels Lip-Audio Cross-Attention und Facial Self-Attention Paper
[DICTA 2022] Meinen Sie das wirklich? Inhaltsgesteuerter audiovisueller Deepfake-Datensatz und multimodale Methode zur zeitlichen Fälschungslokalisierung. Papier
[APSIPA ASC 2022] Multimodale Fälschungserkennung mithilfe von Ensemble-Lernpapier
[ACM MMW 2021] Auswertung eines multimodalen Audio-Video-Deepfake-Datensatzes unter Verwendung von Unimodal and Multimodal Detectors Paper
[ICASSP 2024] Cross-Modality and Within-Modality Regularization for Audio-Visual DeepFake Detection Paper
[arXiv 2024] AVT2-DWF: Improving Deepfake Detection with Audio-Visual Fusion and Dynamic Weighting Strategies Paper
[arXiv 2023] MIS-AVoiDD: Modalitätsinvariante und spezifische Darstellung für audiovisuelles Deepfake-Erkennungspapier
[CVPRW 2023] Multimodaltrace: Deepfake Detection using Audiovisual Representation Learning Paper
[arXiv 2024] DiMoDif: Diskursmodalitäts-Informationsdifferenzierung für audiovisuelle Deepfake-Erkennung und -Lokalisierung
[ICME 2024] Papier zum expliziten Korrelationslernen für verallgemeinerbare modalübergreifende Deepfake-Erkennung
[TIFS 2023] AVoiD-DF: Audiovisuelles gemeinsames Lernen zur Erkennung von Deepfake-Papier
[CVPRW 2023] Multimodaltrace: Deepfake Detection using Audiovisual Representation Learning Paper
[arXiv 2024] Integration audiovisueller Funktionen für multimodales Deepfake-Erkennungspapier
[ICCV 2021] Gemeinsames audiovisuelles Deepfake-Erkennungspapier
[ICASSP 2024] Cross-Modality and Within-Modality Regularization for Audio-Visual DeepFake Detection Paper
[TIFS 2023] AVoiD-DF: Audiovisuelles gemeinsames Lernen zur Erkennung von Deepfake-Papier
[Bildkommunikation 2023] Vergrößerung multimodaler Fälschungshinweise für Deepfake-Erkennungspapier
[arXiv 2023] MIS-AVoiDD: Modalitätsinvariante und spezifische Darstellung für audiovisuelles Deepfake-Erkennungspapier
[ICIP 2024] Statistikbewusstes audiovisuelles Deepfake-Detektorpapier
[ToMM 2023] Voice-Face Homogenity Tells Deepfake Paper
[arXiv 2023] Papier zur unbeaufsichtigten multimodalen Deepfake-Erkennung mithilfe intra- und modaler Inkonsistenzen
[arXiv 2024] Umgehen von Verknüpfungen in audiovisuellen Deepfake-Erkennungsdatensätzen mit unüberwachtem Lernpapier
[CVPR 2024] AVFF: Audiovisuelle Feature-Fusion für Video-Deepfake-Erkennungspapier
[CVPR 2023] Selbstüberwachte Videoforensik durch Audio-Visual Anomaly Detection Paper
[ToMM 2023] Multimodaler neurosymbolischer Ansatz für erklärbares Deepfake-Erkennungspapier
[TCSVT 2023] PVASS-MDD: Predictive Visual-Audio Alignment Self-Supervision for Multimodal Deepfake Detection Paper
[CVPRW 2023] Audiovisuelles DeepFake-Erkennungspapier für Personen von Interesse
[TPAMI 2024] Erkennung und Erdung multimodaler Medienmanipulation und darüber hinaus Papier
[ICASSP 2024] Nutzung modalitätsspezifischer Funktionen für die Erkennung multimodaler Manipulationen und das Erdungspapier
[ICME 2024] Papier zu kontrafaktischen Erklärungen zur Erkennung von Gesichtsfälschungen durch gegnerische Entfernung von Artefakten
[arXiv 2023] Unified Frequency-Assisted Framework for Detecting and Grounding Multi-Modal Manipulation Paper
[CVPR 2023] Papier zur Erkennung und Erdung multimodaler Medienmanipulation
[ACM MM 2024] 1M-Deepfakes Detection Challenge Paper
[ECCVW 2024] Untersuchung der Stärken und Schwächen von Super-Resolution-Angriffen im Deepfake-Erkennungspapier
[arXiv 2024] Gegnerische Vergrößerung zur Täuschung der Deepfake-Erkennung durch Super Resolution Paper
[AAAI 2024] TraceEvader: DeepFakes unauffindbarer machen, indem das Attributionspapier zum Fälschungsmodell umgangen wird
[ICASSP 2024] AdvShadow: Umgehung der DeepFake-Erkennung durch Adversarial Shadow Attack Paper
[CVPR 2023] Papier zur Umgehung forensischer Klassifikatoren mit attributbedingten gegnerischen Gesichtern
[ICCV 2023] Frequenzbewusstes GAN für die Generierung gegnerischer Manipulationen
[TCSVT 2023] Umgehen der DeepFake-Erkennung durch implizites Spatial-Domain-Notch-Filtering-Papier
[arXiv 2023] Untersuchung entscheidungsbasierter Black-Box-Angriffe auf das Papier zur Erkennung von Gesichtsfälschungen
[arXiv 2023] Untersuchung entscheidungsbasierter Black-Box-Angriffe auf das Papier zur Erkennung von Gesichtsfälschungen
[arXiv 2023] AVA: Unauffälliger, auf Attributvariationen basierender gegnerischer Angriff unter Umgehung des DeepFake-Erkennungspapiers
[arXiv 2023] Verwandeln Sie Fälschungen in die Realität: Kontroverse Head-Turn-Angriffe gegen Deepfake-Erkennungspapier
[CVPR 2022] Papier zur Untersuchung der Häufigkeit gegnerischer Angriffe zur Erkennung von Gesichtsfälschungen
[WDCW 2022] Bewertung der Robustheit sequenzbasierter Deepfake-Detektormodelle durch Adversarial Perturbation Paper
[ICIP 2021] Nicht wahrnehmbare gegnerische Beispiele für Papier zur Erkennung gefälschter Bilder
[CVPRW2021] Gegnerische Bedrohungen für die DeepFake-Erkennung: Ein praktisches Perspektivenpapier
[WACV 2021] Adversarial Deepfakes: Bewertung der Anfälligkeit von Deepfake-Detektoren gegenüber Adversarial-Beispielen. Papier
[CVPRW 2020] Papier zur Umgehung von Deepfake-Image-Detektoren mit White- und Black-Box-Angriffen
[ECCVW 2020] Gegnerischer Angriff auf Deepfake-Erkennung mithilfe von RL-basiertem Texture-Patches-Papier
[IJCNN 2020] Adversarial Perturbations Fool Deepfake Detectors Paper
[ICLR 2024] Poisoned Forgery Face: Auf dem Weg zu Backdoor-Angriffen auf Papier zur Erkennung von Gesichtsfälschungen
[arXiv 2024] Ist es möglich, Gesichtsfälschungen durch eine Hintertür mit natürlichen Auslösern zu erkennen? Papier
[BigDIA 2023] Echt ist nicht wahr: Backdoor-Angriffe gegen Deepfake-Erkennungspapier
[AAAI 2024] Spektrumübersetzung zur Verfeinerung der Bilderzeugung (STIG) basierend auf kontrastivem Lernen und Spektralfilterprofilpapier
[WACVW 2024] Papier zur Anfälligkeit von DeepFake-Detektoren für Angriffe, die durch Denoising-Diffusionsmodelle generiert werden
[CVPR 2023] Umgehung von DeepFake-Detektoren mittels Adversarial Statistical Consistency Paper
[IEEE-Transaktionen für zuverlässiges und sicheres Computing 2023] DeepFakes unechter machen: Umgehen der Deep-Face-Forgery-Erkennung durch Trace Removal Attack Paper
[CVPR 2022] Denken Sie zweimal darüber nach, bevor Sie GAN-generierte gefälschte Bilder auf ihrem Spectral Domain Imprints-Papier erkennen
[ACM MM 2022] DeepFakes durch kontroverses visuelles Rekonstruktionspapier besiegen
[CVPR 2021] Erforschung kontroverser Fake-Bilder auf Face Manifold-Papier
[ACM MM 2020] FakePolisher: DeepFakes durch Shallow Reconstruction Paper erkennungssicherer machen
[arXiv 2020] FakeRetouch: Umgehung der DeepFakes-Erkennung mithilfe von Deliberate Noise Paper
[WACV 2024] D4: Erkennung gegnerischer Diffusions-Deepfakes mithilfe disjunkter Ensembles Papier
[TIFS 2024] DF-RAP: Eine robuste gegnerische Störung zur Verteidigung gegen Deepfakes in realen Szenarien sozialer Netzwerke
[ICMM 2024] Adversarially Robust Deepfake Detection via Adversarial Feature Similarity Learning Paper
[arXiv 2024] XAI-basierte Erkennung gegnerischer Angriffe auf Deepfake Detectors Paper
[FG 2023] Papier „FaceGuard: Eine selbstüberwachte Verteidigung gegen gegnerische Gesichtsbilder“.
[IEEE-Symposiumsreihe zu Computational Intelligence 2022] Adversarially Robust Deepfake Video Detection Paper
[Journal of Electronic Imaging 2021] EnsembleDet: Ensemble gegen gegnerische Angriffe auf Deepfake-Erkennungspapier
[arXiv 2021] Widersprüchlich robuste Deepfake-Medienerkennung mithilfe von Fusional Convolutional Neural Network-Vorhersagen. Papier
[arXiv 2024] Echtzeit-Deepfake-Erkennung im realen Papier
[CVPR 2024 DFAD Workshop] Schneller als Lügen: Deepfake-Erkennung in Echtzeit mithilfe binärer neuronaler Netze Paper
[arXiv 2024] Federated Face Forgery Detection Learning mit personalisiertem Repräsentationspapier
[TIFS 2023] FedForgery: allgemeine Erkennung von Gesichtsfälschungen mit verbleibendem föderiertem Lernpapier
[2022 IEEE 24. Internationaler Workshop zur Multimedia-Signalverarbeitung (MMSP)] Deepfake-Erkennung mit Datenschutzpapier
