在使用生成对抗网络的视频会议中检测实时深度假冒和面部伪造
Sunil Kumar Sharma1, Abdullah AlEnizi2, Manoj Kumar3,4
1Department of Information System, College of Computer and Information Sciences, Majmaah University, Majmaah, 11952, Saudi Arabia.
Heliyon
|September 19, 2024
概括
本研究介绍了一种新的基于集群的紧区分器架构,使用深度条件生成对抗网络 (CED-DCGAN) 来检测实时视频会议中的复杂深度假冒,实现高精度.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 数字法医学数字法医学
背景情况:
- 人工智能和深度学习的进步使复杂的假面部生成成为可能,这挑战了当前的检测方法.
- 现有的深度假冒检测系统与高质量的合成媒体作斗争,通常依赖于易于检测的视觉工件.
研究的目的:
- 开发一种先进的实时深度假冒检测方法,用于视频会议.
- 解决当前系统在识别高保真AI生成内容方面的局限性.
主要方法:
- 这项研究提出了使用深度条件生成对抗网络 (CED-DCGAN) 的紧集群基于歧视者架构.
- 实时视频进行处理,以提取训练集体基于歧视者的基本特征.
- 紧集区分器 (CED) 专注于区分真实图像和合成图像之间的特征.
主要成果:
- 与公开可用的数据集上最先进的方法相比,CED-DCGAN技术显示出更高的性能.
- 拟议的算法成功地检测了视频会议场景中的高保真深度假冒.
- 该系统在检测深层假冒方面实现了98.23%的准确性.
结论:
- 在视频会议中,CED-DCGAN架构为实时深度假冒检测提供了一个强大的解决方案.
- 该方法表现出强大的概括能力,优于现有技术.
- 这种方法有效地应对了人工智能产生的合成媒体日益增长的挑战.
