汎用的なディープフェイク検出のための自己ブレンディング拡張

摘要

ディープフェイクビデオ検出では，検出モデルが訓練データに含まれていない種類のフェイクに対して脆弱になる過学習の問題が知られている．本稿では汎用的ディープフェイク検出のための新しい訓練データ合成方法，自己ブレンディング拡張を提案する．自己ブレンディング拡張によって自然画像のみから擬似的なフェイク画像を生成して検出モデルの学習に用いることで実際のフェイク画像無しでモデルを訓練でき，さらに訓練されたモデルは偽造手法特有の偽造痕跡に過学習することなく汎用的にディープフェイクを検出できる．モデルの汎化性能を測定するクロスデータセット評価では，提案手法が既存手法を上回る分類性能を達成していることを示す．