Inicio>Relacionado con la programación>Otro código fuente
Descargar

Impresionante detección integral de deepfake

Este repositorio proporciona una investigación exhaustiva de la detección avanzada de deepfakes unmodales y multimodales elaborada en la siguiente encuesta.


Evolución de la detección de deepfake facial monomodal a multimodal: una encuesta


Ping Liu 1 , Qiqi Tao 2 , Joey Tianyi Zhou 2,3

1 Universidad de Nevada, Reno
2 Centro de Investigación de Fronteras en IA (CFAR), A*STAR
3 Centro de Tecnologías Avanzadas en Seguridad en Línea (CATOS)

Si cree que hay trabajos adicionales que deberían incluirse en nuestra lista, no dude en enviarnos un correo electrónico ([email protected]/[email protected]/[email protected] ) o plantear un problema. Sus sugerencias y comentarios son invaluables para garantizar la integridad y precisión de nuestro recurso.

Contenido

  • Encuestas relevantes

    • Generación y detección de deepfake/AIGC

    • Verificación de hechos multimodal

  • Conjuntos de datos faciales deepfake

    • Conjuntos de datos generados por GAN unimodal

    • Conjuntos de datos generados por difusión unimodal

    • Conjuntos de datos audiovisuales multimodales

    • Conjuntos de datos textuales y visuales multimodales

  • Detección de deepfake unimodal (visual)

    • Métodos proactivos para GAN

    • Métodos proactivos para modelos de difusión

    • Detección ingenua

    • Detección avanzada

    • Detección del modelo de difusión

    • Detección secuencial de deepfake

    • Nivel de entrada

    • Nivel de modelo

    • Nivel de aprendizaje

    • Detección pasiva

    • Detección proactiva

  • Detección multimodal de deepfake

    • Aprendizaje independiente

    • Aprendizaje conjunto

    • Aprendizaje basado en coincidencias

    • Otros

    • Fusión Intermedia

    • Fusión tardía

    • Estrategia multitarea

    • Regularización

    • Detección audiovisual de deepfake

    • Detección de texto-visual deepfake

  • Detección confiable de deepfake

    • Ataque adversario

    • Ataque de puerta trasera

    • Minimización de discrepancias

    • Estrategias de defensa

Encuestas relevantes

Generación y detección de deepfake/AIGC

[arXiv 2024] Detección pasiva de deepfake en múltiples modalidades: un documento de encuesta completo

[arxiv 2024] Generación y detección de deepfake: un proyecto de documento de referencia y encuesta

[arxiv 2024] Detección de multimedia generado por grandes modelos de IA: un proyecto de estudio

[ECAI 2023] Detección de rostros generada por GAN: una encuesta y un documento de nuevas perspectivas

[NeurIPS 2023] DeepfakeBench: un punto de referencia completo del proyecto en papel de detección de deepfake

[arxiv 2023] Detección de deepfake: un estudio exhaustivo desde la perspectiva de la confiabilidad

[IJCV 2022] Contrarrestando los DeepFakes maliciosos: proyecto Survey, Battleground y Horizon Paper

Verificación de hechos multimodal

[EMNLP 2023] Verificación de datos automatizada multimodal: un documento de encuesta

Conjuntos de datos faciales deepfake

Conjuntos de datos generados por GAN unimodal

Conjunto de datos Año Tarea Modalidad manipulada # de vídeos reales # de videos falsos Papel Enlace
FaceForensics++(FF++) 2019 Clasificación Visual 1.000 4.000 FaceForensics++: aprender a detectar imágenes faciales manipuladas Descargar
DFD 2019 Clasificación Visual 363 3.068 Contribuyendo con datos a la investigación de detección de deepfake Descargar
DFFD 2020 Clasificación Visual 1.000 3.000 Sobre la detección de manipulación digital de rostros Descargar
Cambiador de cara 2020 Clasificación Visual - 1.000 FaceShifter: hacia el intercambio de rostros consciente de la oclusión y la alta fidelidad Descargar
DFDC 2020 Clasificación Visual 23.654 104.500 Conjunto de datos del desafío de detección de DeepFake (DFDC) Descargar
Celeb-DF 2020 Clasificación Visual 590 5.639 Celeb-df: un conjunto de datos desafiante a gran escala para análisis forense de deepfake Descargar
DeeperForensics-1.0 2020 Clasificación Visual 50.000 10.000 DeeperForensics-1.0: un conjunto de datos a gran escala para la detección de falsificaciones de rostros en el mundo real Descargar
SalvajeDeepfake 2020 Clasificación Visual 3.805 3.509 WildDeepfake: un desafiante conjunto de datos del mundo real para la detección de deepfake Descargar
KoDF 2020 Clasificación Visual 62.166 175.776 KoDF: un conjunto de datos coreanos de detección de deepfakes a gran escala Descargar
FFIW_10k 2021 Clasificación y puesta a tierra espacial Visual 10.000 10.000 Enfréntate a los análisis forenses en la naturaleza Descargar
ForgeryNet 2021 Clasificación y puesta a tierra espacial y puesta a tierra temporal Visual 99.630 12,1617 Forgerynet: un punto de referencia versátil para un análisis integral de falsificaciones Descargar
Plato DF 2023 Clasificación Visual 133.260 132.496 DF-Platter: conjunto de datos deepfake heterogéneo de múltiples caras Descargar

Conjuntos de datos generados por difusión unimodal

Conjunto de datos Año Tarea Modalidad manipulada # de imágenes reales # de imágenes falsas Papel Enlace
cara falsa profunda 2023 Clasificación Visual 30.000 90.000 Robustez y generalización de la detección de deepfake: un estudio con modelos de difusión Descargar
diferencia 2024 Clasificación Visual 23.661 537,466 Detección de falsificación facial por difusión Descargar
DifusiónCara 2024 Clasificación Visual 30.000 600.000 DiffusionFace: hacia un conjunto de datos completo para el análisis de falsificación de rostros basado en difusión Descargar
DifusiónDB-Face 2024 Clasificación Visual 94.120 24.794 Difusión profunda Descargar
Cara de JourneyDB 2024 Clasificación Visual 94.120 87.833 Difusión profunda Descargar

Conjuntos de datos audiovisuales multimodales

Conjunto de datos Año Tarea Modalidad manipulada # de vídeos reales # de videos falsos Papel Enlace
FalsoAVCeleb 2021 Clasificación Imágenes y audio 500 19.500 FakeAVCeleb: un novedoso conjunto de datos deepfake multimodal de audio y vídeo Descargar
TMC 2022 Clasificación y puesta a tierra temporal Imágenes y audio 2.563 4.380 Conjunto de datos y estudio de usuarios del Trusted Media Challenge -
LAV-DF 2022 Clasificación y puesta a tierra temporal Imágenes y audio 36.431 99.873 ¿Realmente dices eso? Conjunto de datos audiovisuales deepfake basados ​​en contenido y método multimodal para la localización de falsificaciones temporales Descargar
AVMiT falso 2023 Clasificación Imágenes y audio 540 6.480 AVoiD-DF: aprendizaje conjunto audiovisual para detectar deepfake -
AV-Deepfake1M 2023 Clasificación y puesta a tierra temporal Imágenes y audio 286,721 860.039 AV-Deepfake1M: un conjunto de datos audiovisuales deepfake a gran escala impulsado por un LLM Descargar
MMDFD 2023 Clasificación Visuales, audio y texto 1.500 5.000 MMDFD: un conjunto de datos personalizado multimodal para la detección de deepfake -
PolyGlotFalso 2024 Clasificación Visuales, audio y texto 766 14.472 PolyGlotFake: un novedoso conjunto de datos DeepFake multilingüe y multimodal Descargar

Conjuntos de datos textuales y visuales multimodales

Conjunto de datos Año Tarea Modalidad manipulada # de pares imagen-texto reales # de pares de imagen-texto falsos Papel Enlace
DGM4 2023 Clasificación y conexión a tierra espacial y conexión a tierra de texto Visuales y de texto 77.426 152.574 DGM4: Detección y conexión a tierra de la manipulación de medios multimodales y más Descargar

Detección de deepfake unimodal (visual)

Detección pasiva

Detección ingenua

Artefactos visuales

  1. [CVPR 2024] Repensar las operaciones de muestreo ascendente en la red generativa basada en CNN para el documento de detección de deepfake generalizable

  2. [CVPR 2024] LAA-Net: Red de atención de artefactos localizados para documentos de detección de deepfake generalizables y agnósticos de calidad

  3. [arXiv 2024] Operador independiente de datos: un extractor de representación de artefactos sin capacitación para un documento de detección de deepfake generalizable

  4. [arXiv 2024] Un único parche simple es todo lo que necesita para el papel de detección de imágenes generado por IA

  5. [arXiv 2024] GenFace: un punto de referencia de falsificación de rostros impresos a gran escala y un documento de aprendizaje de apariencia cruzada

  6. [TMM 2023] GLFF: Fusión de funciones globales y locales para papel de detección de imágenes sintetizado por IA

  7. [CVPRW 2023] Propiedades intrigantes de las imágenes sintéticas: de las redes generativas adversarias a los modelos de difusión

  8. [arXiv 2023] Función de ruido de difusión: papel de detección de imágenes de generación rápida y precisa

  9. [CVPR 2021] Documento de detección de deepfake multiatencional

  10. [CVPR 2020] Mejora global de la textura para la detección de rostros falsos en el papel salvaje

  11. [ICCV 2019] FaceForensics++: Aprendiendo a detectar imágenes faciales manipuladas en papel

  12. [WIFS 2018] Mesonet: una red compacta de detección de falsificaciones de vídeos faciales

Basado en consistencias

  1. [arXiv 2024] Generalización de la detección de vídeo deepfake con Plug-and-Play: documento de ajuste de adaptador espaciotemporal y combinación de niveles de vídeo

  2. [arXiv 2024] UniForensics: Detección de falsificación de rostros mediante papel de representación facial general

  3. [arXiv 2024] Documento sobre aprendizaje de la representación natural para la detección de vídeos de falsificación de rostros

  4. [IJCV 2024] Aprendizaje de la inconsistencia espaciotemporal mediante el diseño de miniaturas para el documento de detección de rostros falsos

  5. [CVPR 2024] Explotación de los flujos latentes de estilo para generalizar el documento de detección de vídeos deepfake

  6. [arxiv 2024] Detección de vídeo deepfake comprimido basada en un documento de trayectorias espaciotemporales 3D

  7. [AAAI 2023] Detección de deepfake basada en ruido mediante interacción relativa de múltiples cabezales

  8. [ICCV 2023] TALL: Diseño de miniaturas para el documento de detección de vídeo deepfake

  9. [CVPR 2023] AltFreezing para un documento de detección de falsificación de rostros en video más general

  10. [TCSVT 2023] MRE-Net: red de excitación de velocidades múltiples para papel de detección de video deepfake

  11. [WACV 2023] TI2Net: Red de inconsistencia de identidad temporal para el documento de detección de deepfake

  12. [ACM MM Asia 2022] Detección de patrones latentes: detección de vídeos deepfake mediante aprendizaje de representación predictiva

  13. [CVPR 2021] Los labios no mienten: un enfoque sólido y generalizable para enfrentar la detección de falsificaciones

  14. [ICCV 2021] Exploración de la coherencia temporal para un documento de detección de falsificación de rostros en vídeo más general

  15. [ACM MM 2020] DeepRhythm: Exponiendo DeepFakes con un documento de ritmos visuales de latidos atencionales

  16. [WIFS 2018] En Ictu Oculi: Exponiendo videos falsos creados por IA al detectar papel parpadeante

Detección avanzada

Nivel de entrada
Aumento de datos

  1. [arXiv 2024] Un marco centrado en la calidad para un documento genérico de detección de deepfake

  2. [arXiv 2024] Hacia la detección general de deepfake con un documento de plan de estudios dinámico

  3. [ECCV 2024] Finge hasta lograrlo: aumentos curriculares de falsificación dinámica hacia un documento general de detección de deepfake

  4. [arXiv 2024] ¿Podemos dejar atrás los datos de Deepfake en el entrenamiento del detector Deepfake? Papel

  5. [arXiv 2024] ED4: Desescalamiento explícito a nivel de datos para el documento de detección de deepfake

  6. [arXiv 2024] FSBI: Detección de deepfakes con papel de imágenes autocombinadas de frecuencia mejorada

  7. [arXiv 2024] FreqBlender: Mejora de la detección de DeepFake mediante la combinación de documentos de conocimientos de frecuencia

  8. [ICCV 2023] SeeABLE: Discrepancias suaves y aprendizaje contrastivo limitado para exponer documentos deepfakes

  9. [arXiv 2023] Trascendiendo la especificidad de la falsificación con un aumento del espacio latente para un documento de detección de deepfake generalizable

  10. [CVPR 2022] Detección de deepfakes con papel de imágenes autocombinadas

  11. [CVPR 2022] Aprendizaje autosupervisado del ejemplo adversario: hacia buenas generalizaciones para el documento de detección de deepfake

  12. [CVPR 2021] Minería de falsificación representativa para papel detector de rostros falsos

  13. [ICCV 2021] Documento sobre aprendizaje de la autoconsistencia para la detección de deepfake

Basado en el espacio de frecuencia

  1. [arXiv 2024] APROVECHAMIENTO DE LAS TRANSFORMACIONES WAVELET PARA LA DETECCIÓN GENERALIZABLE DE FALSIFICACIONES DEEPFAKES

  2. [arXiv 2024] Red de agregación de múltiples contextos y frecuencias para el documento de detección de deepfake

  3. [AAAI 2024] Detección de deepfake consciente de la frecuencia: mejora de la generalización a través del documento de aprendizaje del espacio de frecuencia

  4. [ICASSP 2024] Enmascaramiento de frecuencia para el documento universal de detección de deepfake

  5. [CVPR 2023] Aprendizaje de gráficos dinámicos con razonamiento de relación de frecuencia espacial guiado por contenido para el documento de detección de deepfake

  6. [AAAI 2022] FrePGAN: Detección sólida de deepfake utilizando un documento de perturbaciones a nivel de frecuencia

  7. [AAAI 2022] AGREGAR: Atención de frecuencia y destilación de conocimientos basada en múltiples vistas para detectar papel de imágenes deepfake comprimidas de baja calidad

  8. [CVPR 2021] Aprendizaje superficial en fase espacial: repensar la detección de falsificación de rostros en el dominio de la frecuencia

  9. [CVPR 2021] Generalización de la detección de falsificación de rostros con características de alta frecuencia

  10. [CVPR 2021] Aprendizaje de características discriminativas con reconocimiento de frecuencia supervisado por pérdida de un solo centro para papel de detección de falsificación de rostros

  11. [AAAI 2021] Aprendizaje de relaciones locales para el documento de detección de falsificación de rostros

  12. [ECCV 2020] Pensando en frecuencia: Detección de falsificaciones de rostros mediante la minería de documentos de pistas con reconocimiento de frecuencia

Nivel de modelo
Basado en transformador

  1. [TMM 2024] DIP: Aprendizaje por difusión del patrón de inconsistencia para el documento general de detección de DeepFake

  2. [arXiv 2024] FakeFormer: Transformadores eficientes impulsados ​​por vulnerabilidades para un documento de detección de deepfake generalizable

  3. [arXiv 2024] APROVECHAMIENTO DE LAS TRANSFORMACIONES WAVELET PARA LA DETECCIÓN DE FALSIFICACIONES DEEPFAKES GENERALIZABLES

  4. [arXiv 2024] Detección de falsificación de rostros con un elaborado documento principal

  5. [arXiv 2024] De pie sobre los hombros de gigantes: reprogramación del modelo de lenguaje visual para la detección general de deepfake

  6. [arXiv 2024] Guiado y fusionado: CLIP-ViT congelado eficiente con guía de funciones y fusión de funciones de varias etapas para un documento de detección de deepfake generalizable

  7. [arXiv 2024] Detección de deepfake de conjunto abierto: un método de adaptación eficiente en parámetros con papel de mezcla de estilo falsificado

  8. [arXiv 2024] Una encuesta oportuna sobre Vision Transformer para el documento de detección de deepfake

  9. [arXiv 2024] Exploración de transformadores de visión autosupervisados ​​para la detección de deepfake: un artículo de análisis comparativo

  10. [arXiv 2024] Combinación de expertos de bajo rango para papel de detección de imágenes transferible generado por IA

  11. [arXiv 2024] MoE-FFD: combinación de expertos en papel de detección de falsificación facial generalizado y con parámetros eficientes

  12. [CVPR 2023] AUNet: Documento de aprendizaje de relaciones entre unidades de acción para la detección de falsificaciones faciales

  13. [ACM MM 2023] UMMAFormer: Un marco de transformador universal multimodal adaptativo para documentos de localización de falsificación temporal

  14. [ICCVW 2023] Deepfakes encubiertos: detección de segmentos falsos en documentos de vídeo

  15. [arXiv 2023] DeepFake-Adapter: Adaptador de doble nivel para papel de detección DeepFake

  16. [MIPR 2023] Mejora de la detección general de falsificación de rostros mediante Vision Transformer con un documento de adaptación de bajo rango

Basado en VLM

  1. [arXiv 2024] Documento sobre comprensión y mejora de las detecciones de imágenes generadas por IA sin capacitación con modelos Vision Foundation

  2. [arXiv 2024] Adaptador forense: Adaptación de CLIP para papel de detección de falsificación facial generalizable

  3. [arXiv 2024] ForgeryGPT: modelo de lenguaje grande multimodal para la detección y localización de falsificaciones de imágenes explicables

  4. [ACCV 2024] DPL: Detección de DeepFake de calidad cruzada mediante un documento de aprendizaje progresivo dual

  5. [WACV 2025] DeCLIP: Decodificación de representaciones CLIP para localización deepfake

  6. [arXiv 2024] X2-DFD: UN MARCO PARA LA DETECCIÓN DE DEEPFAKES EXPLICABLE Y AMPLIABLE

  7. [arXiv 2024] MFCLIP: CLIP multimodal de grano fino para papel de detección de falsificación facial de difusión generalizable

  8. [arXiv 2024] FFAA: Documento auxiliar de análisis de falsificación de rostros de mundo abierto explicable basado en un modelo de lenguaje grande multimodal

  9. [arXiv 2024] C2P-CLIP: Inyección de mensaje común de categoría en CLIP para mejorar la generalización en el documento de detección de deepfake

  10. [arXiv 2024] GM-DF: Documento generalizado de detección de deepfake en múltiples escenarios

  11. [arXiv 2024] Hacia una detección más general de deepfake basada en vídeo mediante una adaptación guiada por características faciales para el documento modelo Foundation

  12. [arXiv 2024] FakeBench: Descubra los talones de Aquiles de las imágenes falsas con grandes modelos multimodales

  13. [Taller CVPR 2024] ¿Puede ChatGPT detectar DeepFakes? Un estudio sobre el uso de modelos de lenguaje grande multimodal para artículos forenses de medios

  14. [arXiv 2024] SHIELD: Un punto de referencia de evaluación para la suplantación de rostros y la detección de falsificaciones con modelos multimodales de lenguaje grande

  15. [arXiv 2024] Razonamiento de sentido común para el documento de detección de falsificaciones profundas

  16. [ACM ICMRW 2024] Hacia una evaluación cuantitativa de métodos de IA explicables para la detección de deepfake

  17. [arxiv 2023] Transformador de visión adaptativo consciente de falsificaciones para papel de detección de falsificaciones faciales

  18. [arXiv 2023] Hacia un documento general de detección de falsificaciones faciales visual-lingüísticas

Nivel de aprendizaje
Pérdida avanzada

  1. [ToMM 2024] Documento de aprendizaje de funciones invariantes de dominio y discriminativas de parches para la detección general de deepfake

  2. [ICME 2023] Documento de aprendizaje de funciones invariantes de dominio para la detección general de falsificación de rostros

  3. [ICDM 2023] Pérdida de anillo concéntrico para papel de detección de falsificación facial

Representación desenredada

  1. [arXiv 2024] Capture artefactos mediante el desenredado y la purificación progresiva de identidades combinadas para un documento de detección de deepfake

  2. [CVPR 2024] Preservación de la generalización de la equidad en el documento de detección de deepfake

  3. [arXiv 2024] Desacoplamiento de la semántica de falsificación para un documento de detección de deepfake generalizable

  4. [arXiv 2023] Mejora de la detección de deepfake entre conjuntos de datos con un documento de descomposición profunda de información

  5. [ICCV 2023] UCF: Descubriendo características comunes para el documento de detección de deepfake generalizable

  6. [ECCV 2022] Exploración de información de contenido desenredada para el documento de detección de falsificación facial

Reconstrucción

  1. [CVPR 2023] MARLIN: Autocodificador enmascarado para representación de video facial Documento de aprendizaje

  2. [CVPR 2022] Aprendizaje de clasificación y reconstrucción de extremo a extremo para el documento de detección de falsificación de rostros

  3. [IJCAI 2021] Más allá del espectro: detección de deepfakes mediante papel de resíntesis

  4. [CVPRW 2020] OC-FakeDect: clasificación de deepfakes utilizando papel codificador automático variacional de una clase

Localización de manipulación

  1. [CVPR 2024] EditGuard: Marca de agua de imagen versátil para localización de manipulaciones y papel de protección de derechos de autor

  2. [WACV 2024] Localización de deepfake débilmente supervisada en imágenes generadas por difusión

  3. [arXiv 2024] Delocate: detección y localización de vídeos deepfake con papel de seguimiento manipulado ubicado aleatoriamente

  4. [CVPR 2023] MaLP: localización de manipulación mediante un documento de esquema proactivo

  5. [CVPR 2023] Fuga de identidad implícita: el obstáculo para mejorar el documento de generalización de la detección de deepfake

  6. [ACM MM 2023] Localizar y verificar: una red de dos flujos para mejorar la detección de deepfake

  7. [CVPR 2020] Radiografía facial para un documento más general de detección de falsificaciones faciales

  8. [CVPR 2020] Sobre la detección de papel de manipulación facial digital

Discrepancia de identidad

  1. [NeurIPS 2024] DiffusionFake: mejora de la generalización en la detección de deepfake mediante papel de difusión estable guiada

  2. [CVPR 2023] Documento de detección de intercambio de rostros deepfake basado en identidad implícita

  3. [CVPR 2022] Protección de celebridades contra DeepFake con papel transformador de coherencia de identidad

  4. [TPAMI 2021] Detección de DeepFake basada en discrepancias entre rostros y su contexto

  5. [ICCV 2021] ID-Reveal: Documento de detección de vídeo DeepFake con reconocimiento de identidad

Destilación del conocimiento

  1. [arXiv 2023] DomainForensics: Exponiendo la falsificación de rostros en todos los dominios mediante un documento de adaptación bidireccional

  2. [AAAI 2022] AGREGAR: Atención de frecuencia y destilación de conocimientos basada en múltiples vistas para detectar papel de imágenes deepfake comprimidas de baja calidad

  3. [ACM MM 2021] CoReD: Generalización de la detección de medios falsos con representación continua mediante papel de destilación

  4. [CVPRW 2021] FReTAL: Generalización de la detección de deepfake mediante el documento de aprendizaje sobre representación y destilación de conocimientos

  5. [Journal of Mathematical Imaging and Vision 2015] Papel de baricentros de medidas en rodajas y radón Wasserstein

Predicción detallada

  1. [arXiv 2024] Aprendizaje multitarea orientado a la semántica para la detección de DeepFake: un documento de enfoque de incrustación conjunto

  2. [ToMM 2024] Dominar la detección de deepfake: un enfoque de vanguardia para distinguir el documento de imágenes de modelo de difusión y GAN

  3. [CVPR 2023] Documento jerárquico de detección y localización de falsificación de imágenes de grano fino

  4. [ICCV 2023] Espacio guía controlable para papel de detección de falsificación facial generalizable

Detección del modelo de difusión

  1. [arXiv 2024] Sobre la eficacia de la alineación de conjuntos de datos para el papel de detección de imágenes falsas

  2. [CVPR 2024] LaRE^2: Método basado en errores de reconstrucción latente para papel de detección de imágenes generadas por difusión

  3. [VISAPP 2024] Hacia la detección del modelo de difusión Deepfakes Paper

  4. [arXiv 2024] Documento de detección de falsificaciones faciales de difusión

  5. [ICCV 2023] DIRE para papel de detección de imágenes generadas por difusión

  6. [ICASSP 2023] Sobre la detección de imágenes sintéticas generadas por modelos de difusión Artículo

  7. [ICCVW 2023] Detección de imágenes generadas por modelos de difusión profunda utilizando su documento de dimensionalidad intrínseca local

  8. [ICMLW 2023] Exponiendo lo falso: documento de detección eficaz de imágenes generadas por difusión

Detección secuencial de deepfake

  1. [ECCV 2022] Detección y recuperación de papel de manipulación secuencial DeepFake

  2. [arXiv 2023] Robusto documento de detección secuencial de DeepFake

  3. [CVPR 2024] Aprendizaje contrastivo para la clasificación y localización de DeepFake mediante un documento de clasificación de etiquetas múltiples

  4. [TIFS 2024] Documento de recursos sobre red de colaboración y supervisión múltiple para la detección secuencial de deepfake

  5. [Transacciones en electrónica de consumo 2024] Detección de manipulación secuencial de deepfake vía espectral con atención piramidal en papel de IoT de consumo

Detección proactiva

Métodos proactivos para GAN

  1. [arXiv 2024] Ocultar rostros a plena vista: defender DeepFakes interrumpiendo el papel de detección de rostros

  2. [arXiv 2024] Las características faciales importan: un documento de enfoque de detección proactiva de deepfake dinámico basado en marcas de agua

  3. [arXiv 2024] ID-Guard: un marco universal para combatir la manipulación facial mediante la rotura de documentos de identificación

  4. [IJCAI 2024] ¿Son los errores de marcas de agua los detectores de deepfake? Repensar el documento forense proactivo

  5. [TIFS 2024] Defensa dual: marca de agua robusta, rastreable e invisible contra el papel de intercambio de caras

  6. [CVPR 2023] MaLP: localización de manipulación mediante un documento de esquema proactivo

  7. [ACM MM 2023] SepMark: Marca de agua separable profunda para papel de seguimiento de fuente unificado y detección de deepfake

  8. [arXiv 2023] La extracción de funciones importa más: disrupción universal de deepfake mediante el ataque de documentos de extractores de funciones de conjuntos

  9. [arXiv 2023] Marca de agua perceptual de identidad robusta frente al papel de intercambio de rostros deepfake

  10. [CVPR 2022] Papel de detección de manipulación proactiva de imágenes

  11. [ICLR 2022] Divulgación responsable de modelos generativos utilizando papel escalable para toma de huellas dactilares

  12. [ECCV 2022] TAFIM: Ataques adversarios dirigidos contra manipulaciones de imágenes faciales

  13. [AAAI 2022] CMUA-Watermark: una marca de agua adversaria universal de modelos cruzados para combatir el papel deepfake

  14. [IJCAI 2022] Antifalsificación: hacia un ataque de disrupción deepfake sigiloso y robusto a través de un documento adversario sobre perturbaciones conscientes de la percepción

  15. [AAAI 2021] Papel de la Iniciativa de Defensa contra la Manipulación Facial

  16. [CVPRW 2020] Disrupción de los deepfakes: ataques adversarios contra redes de traducción de imágenes condicionales y sistemas de manipulación facial

  17. [WACVW 2020] Interrupción de los algoritmos DeepFake basados ​​en la traducción de imágenes con ataques adversarios

Métodos proactivos para modelos de difusión

  1. [ICLR 2024] DIAGNÓSTICO: Detección de usos de datos no autorizados en modelos de difusión de texto a imagen

  2. [NeurIPSW 2024] DiffusionShield: una marca de agua para la protección de derechos de autor de datos contra modelos de difusión generativa

  3. [ICCV 2023] La firma estable: enraizamiento de marcas de agua en papel de modelos de difusión latente

  4. [TPS-ISA 2023] Marca de agua invisible para modelos de difusión de generación de audio en papel

  5. [arXiv 2023] Una receta para el papel de modelos de difusión de marcas de agua

  6. [arXiv 2023] LEAT: Hacia una disrupción sólida de los deepfake en escenarios del mundo real a través de un documento de ataque de conjunto latente

Detección multimodal de deepfake

Detección audiovisual de deepfake

Aprendizaje independiente

  1. [Computación suave aplicada 2023] AVFakeNet: un modelo unificado de aprendizaje profundo Dense Swin de extremo a extremo para la detección de deepfakes audiovisuales

  2. [APSIPA ASC 2022] Detección de falsificaciones multimodal mediante un documento de aprendizaje conjunto

  3. [ICCV 2021] Documento conjunto sobre detección de deepfake audiovisuales

  4. [ACM MMW 2021] Evaluación de un conjunto de datos deepfake multimodal de audio y vídeo utilizando detectores unimodales y multimodales

Aprendizaje conjunto

Fusión Intermedia
Atención cruzada

  1. [BMVC 2024] Detección de deepfakes audiovisuales con inconsistencias detalladas

  2. [arXiv 2024] Atención multimodal contextual para el artículo de localización y detección de deepfake audiovisuales

  3. [TIFS 2023] AVoiD-DF: aprendizaje conjunto audiovisual para detectar papel deepfake

  4. [arXiv 2022] Una red multimodal basada en la atención audiovisual para la detección de vídeos falsos de caras parlantes

  5. [ICCV 2021] Documento conjunto sobre detección de deepfake audiovisuales

Fusión tardía
Concatenación y suma

  1. [arXiv 2024] Integración de funciones audiovisuales para papel de detección multimodal de deepfake

  2. [arXiv 2024] AVT2-DWF: Mejora de la detección de deepfake con fusión audiovisual y estrategias de ponderación dinámica

  3. [Image Communication 2023] Ampliación de pistas de falsificación multimodal para la detección de Deepfake

  4. [arXiv 2023] DF-TransFusion: Detección multimodal de deepfake mediante papel de atención cruzada de audio labial y autoatención facial

  5. [DICTA 2022] ¿Realmente dices eso en serio? Conjunto de datos audiovisuales deepfake basados ​​en contenido y método multimodal para el documento de localización de falsificación temporal

  6. [APSIPA ASC 2022] Detección de falsificaciones multimodal mediante un documento de aprendizaje conjunto

  7. [ACM MMW 2021] Evaluación de un conjunto de datos deepfake multimodal de audio y vídeo utilizando detectores unimodales y multimodales

Atención

  1. [ICASSP 2024] Regularización entre modalidades y dentro de modalidades para documentos de detección de DeepFake audiovisuales

  2. [arXiv 2024] AVT2-DWF: Mejora de la detección de deepfake con fusión audiovisual y estrategias de ponderación dinámica

  3. [arXiv 2023] MIS-AVoiDD: modalidad invariante y representación específica para el documento audiovisual de detección de deepfake

Capa mezcladora MLP

  1. [CVPRW 2023] Multimodaltrace: Detección de deepfake mediante documento de aprendizaje de representación audiovisual

Estrategia multitarea

  1. [arXiv 2024] DiMoDif: Diferenciación de información y modalidad de discurso para el documento de localización y detección de deepfake audiovisuales

  2. [ICME 2024] Aprendizaje de correlación explícita para un documento de detección de deepfake multimodal generalizable

  3. [TIFS 2023] AVoiD-DF: aprendizaje conjunto audiovisual para detectar papel deepfake

  4. [CVPRW 2023] Multimodaltrace: Detección de deepfake mediante documento de aprendizaje de representación audiovisual

  5. [arXiv 2024] Integración de funciones audiovisuales para papel de detección multimodal de deepfake

  6. [ICCV 2021] Documento conjunto sobre detección de deepfake audiovisuales

Regularización

  1. [ICASSP 2024] Regularización entre modalidades y dentro de modalidades para documentos de detección de DeepFake audiovisuales

  2. [TIFS 2023] AVoiD-DF: aprendizaje conjunto audiovisual para detectar papel deepfake

  3. [Image Communication 2023] Ampliación de pistas de falsificación multimodal para la detección de Deepfake

  4. [arXiv 2023] MIS-AVoiDD: modalidad invariante y representación específica para el documento audiovisual de detección de deepfake

Aprendizaje basado en coincidencias

  1. [ICIP 2024] Documento detector de deepfake audiovisual con reconocimiento de estadísticas

  2. [ToMM 2023] La homogeneidad voz-cara le dice al artículo Deepfake

  3. [arXiv 2023] Documento de detección de deepfake multimodal no supervisado mediante inconsistencias intramodales y transmodales

Otros

  1. [arXiv 2024] Evitar atajos en conjuntos de datos de detección de deepfake audiovisuales con aprendizaje no supervisado

  2. [CVPR 2024] AVFF: Fusión de funciones audiovisuales para papel de detección de deepfake en vídeo

  3. [CVPR 2023] Análisis forense de vídeo autosupervisado mediante documento de detección de anomalías audiovisuales

  4. [ToMM 2023] Enfoque neurosimbólico multimodal para un documento de detección de deepfake explicable

  5. [TCSVT 2023] PVASS-MDD: Autosupervisión predictiva de alineación de audio visual para papel de detección multimodal de deepfake

  6. [CVPRW 2023] Documento de detección de DeepFake de personas de interés audiovisuales

Detección de deepfake de texto visual

  1. [TPAMI 2024] Detección y conexión a tierra de la manipulación de medios multimodales y más allá del papel

  2. [ICASSP 2024] Explotación de funciones específicas de la modalidad para la detección de manipulación multimodal y el papel de puesta a tierra

  3. [ICME 2024] Explicaciones contrafactuales para la detección de falsificación de rostros mediante el documento de eliminación de artefactos contradictorios

  4. [arXiv 2023] Marco unificado asistido por frecuencia para detectar y conectar a tierra Papel de manipulación multimodal

  5. [CVPR 2023] Detección y conexión a tierra del papel de manipulación de medios multimodal

Desafío

  1. [ACM MM 2024] Documento de desafío de detección de 1M-Deepfakes

Detección confiable de deepfake

Ataque adversario

  1. [ECCVW 2024] Exploración de las fortalezas y debilidades del ataque de superresolución en un documento de detección de deepfake

  2. [arXiv 2024] Ampliación adversaria para engañar a la detección de deepfake mediante papel de superresolución

  3. [AAAI 2024] TraceEvader: Hacer que los DeepFakes sean más imposibles de rastrear mediante la evasión del documento de atribución del modelo de falsificación

  4. [ICASSP 2024] AdvShadow: Evadir la detección de DeepFake mediante un documento de ataque de sombra adversario

  5. [CVPR 2023] Evadir clasificadores forenses con papel de caras adversarias condicionadas por atributos

  6. [ICCV 2023] Documento de generación de manipulación adversaria sobre GAN con reconocimiento de frecuencia

  7. [TCSVT 2023] Evitar la detección de DeepFake mediante un papel de filtrado de muesca de dominio espacial implícito

  8. [arXiv 2023] Exploración de ataques de caja negra basados ​​en decisiones en un documento de detección de falsificación de rostros

  9. [arXiv 2023] Exploración de ataques de caja negra basados ​​en decisiones en un documento de detección de falsificación de rostros

  10. [arXiv 2023] AVA: ataque adversario basado en variaciones de atributos discretos que pasa por alto el documento de detección de DeepFake

  11. [arXiv 2023] Convierta lo falso en real: ataques de adversarios contra el documento de detección de deepfake

  12. [CVPR 2022] Exploración de la frecuencia de los ataques adversarios para el documento de detección de falsificación de rostros

  13. [WDCW 2022] Evaluación de la robustez de los modelos de detectores Deepfake basados ​​en secuencias mediante un artículo de perturbación adversarial

  14. [ICIP 2021] Ejemplos contradictorios imperceptibles para documentos de detección de imágenes falsas

  15. [CVPRW2021] Amenazas adversas a la detección de DeepFake: un documento de perspectiva práctica

  16. [WACV 2021] Deepfakes adversarios: evaluación de la vulnerabilidad de los detectores de deepfake al documento de ejemplos adversarios

  17. [CVPRW 2020] Evasión de detectores de imágenes falsas con papel de ataques de caja blanca y negra

  18. [ECCVW 2020] Ataque adversario a la detección de deepfake utilizando papel de parches de textura basado en RL

  19. [IJCNN 2020] Las perturbaciones adversas engañan al documento sobre detectores de deepfake

Ataque de puerta trasera

  1. [ICLR 2024] Rostro falsificado envenenado: hacia ataques de puerta trasera al documento de detección de falsificación facial

  2. [arXiv 2024] ¿Es posible realizar una detección de falsificaciones mediante puerta trasera con desencadenantes naturales? Papel

  3. [BigDIA 2023] Lo real no es verdad: ataques de puerta trasera contra el documento de detección de deepfake

Minimización de discrepancias

  1. [AAAI 2024] Traducción de espectro para el refinamiento de la generación de imágenes (STIG) basada en el aprendizaje contrastivo y el documento de perfil de filtro espectral

  2. [WACVW 2024] Documento sobre la vulnerabilidad de los detectores DeepFake a los ataques generados por modelos de difusión de eliminación de ruido

  3. [CVPR 2023] Evadir los detectores DeepFake mediante un documento de coherencia estadística contradictorio

  4. [Transacciones IEEE sobre informática segura y confiable 2023] Hacer que los DeepFakes sean más espurios: evadir la detección profunda de falsificación de rostros mediante un documento de ataque de eliminación de rastros

  5. [CVPR 2022] Piénselo dos veces antes de detectar imágenes falsas generadas por GAN a partir de su documento de impresiones de dominio espectral

  6. [ACM MM 2022] Derrotar a DeepFakes mediante un documento de reconstrucción visual adversario

  7. [CVPR 2021] Exploración de imágenes falsas adversarias en papel múltiple facial

  8. [ACM MM 2020] FakePolisher: hacer que los DeepFakes sean más evasivos para la detección mediante papel de reconstrucción poco profundo

  9. [arXiv 2020] FakeRetouch: evadir la detección de DeepFakes mediante la guía de un papel con ruido deliberado

Estrategias de defensa

  1. [WACV 2024] D4: Detección de deepfakes de difusión adversaria utilizando papel de conjuntos disjuntos

  2. [TIFS 2024] Documento DF-RAP: Una perturbación adversa sólida para defenderse contra deepfakes en escenarios de redes sociales del mundo real

  3. [ICMM 2024] Detección de deepfake adversamente sólida mediante un documento de aprendizaje sobre similitud de características adversas

  4. [arXiv 2024] Documento sobre detección basada en XAI de ataques adversarios a detectores de deepfake

  5. [FG 2023] FaceGuard: un documento de defensa autosupervisada contra imágenes de rostros adversarios

  6. [Serie de simposios IEEE sobre inteligencia computacional 2022] Documento adversamente sólido sobre detección de videos deepfake

  7. [Revista de imágenes electrónicas 2021] EnsembleDet: conjunto contra ataques adversarios en la detección de deepfake

  8. [arXiv 2021] Detección de medios deepfake adversamente robusta mediante predicciones de redes neuronales convolucionales fusionadas

Detección eficiente de deepfake

  1. [arXiv 2024] Detección de deepfake en tiempo real en el mundo real

  2. [Taller DFAD CVPR 2024] Más rápido que las mentiras: detección de deepfake en tiempo real mediante redes neuronales binarias

Detección de Deepfake consciente de la privacidad

  1. [arXiv 2024] Aprendizaje federado de detección de falsificación de rostros con papel de representación personalizado

  2. [TIFS 2023] FedForgery: detección generalizada de falsificación de rostros con aprendizaje federado residual

  3. [24.° taller internacional del IEEE de 2022 sobre procesamiento de señales multimedia (MMSP)] Detección de deepfake con documento de protección de la privacidad de datos

Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo