메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
HaYoung Park (Korea Electronics Technology Institute) Young Han Lee (Korea Electronics Technology Institute) Sangkeun Lee (Smart Vision Global) Choongsang Cho (Korea Electronics Technology Institute)
저널정보
한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제28권 제7호
발행연도
2023.12
수록면
867 - 874 (8page)
DOI
10.5909/JBE.2023.28.7.867

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Recently, various generative models have been researched and are applied to visual content creation as their performance improves. On the other hand, deepfake frameworks with generative methods focused on faces including identity have been used to generate images and videos with different meanings than intended. Synthesizing pornographic videos or creating fake speaking videos with facial images, and then distributing them online is an increasingly serious problem. To protect people from the damages caused by deepfake technology used for illegal purposes, detecting the deepfake content and checking the synthesized part of the face are essential elements to minimize damages caused by computer vision technology. In this paper, we propose a deepfake video detection that analyzes face regions using sequential keyframe image pairs. Also, the synthesized part of the face is estimated by analyzing input attribution of the proposed structure with an explainable scheme. Our experiments show that detection performance improves as the number of images observed in the detection network at one time increases.
#Deepfake #Deepfake video detection #Sequential video keyframes #Fake region estimation

목차

Abstract
I. Introduction
II. Related Work
III. A Deepfake Video Detection Using Sequential Keyframe Features
IV. Experiments
V. Conclusions
References

참고문헌 (13)

참고문헌 신청
T.-C. Wang, M.-Y. Liu, J.-Y. Zhu, G. Liu, A. Tao, J. Kautz, and B. Catanzaro, “Few-shot video-to-video synthesis,” in Proceeding of Neural Information Processing Systems (NeurIPS), vol. 32, 2018. https://proceedings.neurips.cc/paper_files/paper/2019/file/ google schola T. Park, M.-Y. Liu, T.-C. Wang, and J.-Y. Zhu, “Semantic image synthesis with spatially adaptive normalization,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2337 2346, 2019. https://openaccess.thecvf.com/co google schola “Deepfakes github,” https://github.com/deepfakes/faceswap. Accessed: 2018-10-29. google schola “Faceswap github,” https://github.com/MarekKowalski/FaceSwap/. Accessed: 2018-10-29. google schola L. Li, J. Bao, H. Yang, D. Chen, and F. Wen, “Advancing high fidelity identity swapping for forgery detection,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 5074 5083, 2020. https://openaccess.thecvf.com/con google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

LCNN 기반 Deepfake Audio Detection의 개선 알고리즘
임동훈 ,  한종기 방송공학회논문지 2024 .09
데이터를 활용한 GAN 알고리즘 기반 딥페이크 판별 시스템
전성우 ,  이태준 ,  김한길 외 1명 한국정보통신학회 종합학술대회 논문집 2023 .05
Video Deepfake Detection using CNN and Vision Transformer
Van-Nhan T ,  an ,  Eung-Joo Lee 외 3명 대한전자공학회 학술대회 2022 .06
국내외 언론이 바라본 딥페이크 기술
최창욱 ,  정유미 디지털콘텐츠학회논문지 2022 .05
[PART 1] ‘딥페이크’란…기술은 어디까지 발전했나?
이광재 월간 Secu N 2025 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088527686