記事一覧へ戻る

TwinD、顔の貼り付けから顔全体の合成まで深偽造検出を拡張

読了目安 3 分

顔の貼り付けを超える検出へ

顔のディープフェイク検出器の多くは、生成した顔を実映像の中に貼り付けるタイプの偽造を使って学習します。この方法では、境界部分のなじませ方や局所的な質感に痕跡が残ることがあります。一方、新しい生成手法は顔全体を合成できるため、貼り付け境界が見つからず、従来の検出器が頼っていた手掛かりが弱まります。TwinDは、こうした「ブレンド型」と「顔全体合成(EFS)」の間にある検出性能の差を縮めることを目指す手法です。

実フレームから作る2種類の「ツイン」

TwinDはFaceForensics++の偽造例に加えて、実フレームをもとにした2種類の学習サンプルを利用します。1つ目の再構成ツインは、実フレームをオートエンコーダーで再構成し、ランダムに選んだ領域だけ元の画素に戻して作ります。再構成画像に残るデコーダー由来のニューラルな痕跡を学習させる狙いです。

2つ目のブロブツインは、加工したフレームのコピーを元のフレームと混ぜて作ります。特定の生成器を使わず、顔の輪郭に合わせたマスクも必要とせずに、ブレンドに伴うアーティファクトを学習させます。前者は再構成に由来する痕跡、後者は画像を混ぜた際の痕跡を対象とし、互いに異なる手掛かりを補い合う設計です。

論文によると、ディープフェイク用データセットを使わず、ツインだけで学習した場合でも、3つの乱数シードでの単一モデルの平均AUROCは94.3%でした。既知の偽造例がなくても、学習サンプルの作り方によって有効な教師信号を与えられる可能性を示しています。ただし、これだけで将来のあらゆる生成コンテンツを見破れると証明されたわけではありません。

ベンチマークの結果とその意味

評価対象は、2019年から2026年に公開された19データセットです。論文の要約では、従来の最良の顔深偽造検出器は、ブレンド型の10データセットで平均AUROC 96.2%を達成した一方、顔全体合成の5データセットでは従来手法のいずれも78.1%を超えませんでした。汎用のAI生成コンテンツ検出器も、この差を埋められなかったとしています。TwinDは全体平均96.3%、ブレンド型で98.1%、EFSで95.6%を報告しています。AUROCは実画像と偽造画像をどれだけ区別できるかを示す指標で、一般に高いほど識別能力が高いとされます。

注目点は全体スコアのわずかな上昇だけではなく、顔全体合成での改善です。異なる生成手法や実運用環境でも再現されれば、複数の痕跡を使う学習設計は、変化する偽造方法への対応に役立つ可能性があります。ただし、ベンチマークの数値だけでは、すべての生成器、強く圧縮された動画、実際の流通環境での性能までは判断できません。要約には操作方式別の誤判定などの詳細もありません。TwinDは汎化を改善する有望な手掛かりですが、深偽造検出が解決済みであることを示すものではありません。著者はコード、学習済みモデル、学習データを公開したとしています。

出典:Hugging Face Daily Papers

コメント

ログイン状態を確認中…

コメントを読み込み中…

関連記事

CCTest · Blog
WeVisForensics、AI生成動画検出を多段階の取証プロセスへ
視覚・動画
cctest.ai
視覚・動画

WeVisForensics、AI生成動画検出を多段階の取証プロセスへ

WeVisForensicsは、調査役エージェントが視覚・音声の専門エージェントを指揮し、動画内の疑わしい時間帯を調べる仕組みです。論文は、複数のベンチマークにおける平均検出精度として95.2%を報告しています。

続きを読む