FaceForensics++: 操作された顔画像の検出を学習する

合成画像の生成と操作における急速な進歩は、現在、社会への影響に対する重大な懸念を引き起こしています。最良の場合でも、これはデジタルコンテンツへの信頼の損失につながりますが、偽情報やフェイクニュースの拡散によってさらなる危害を及ぼす可能性もあります。本論文では、最先端の画像操作の現実性と、それらを自動的にまたは人間が検出する難しさについて考察します。検出方法の評価を標準化するために、顔操作検出用の自動ベンチマークを提案します。特に、このベンチマークは DeepFakes（ディープフェイク）、Face2Face（フェイスツーフェイス）、FaceSwap（フェイススワップ）、NeuralTextures（ニューラルテクスチャーズ）という顔操作の代表的な手法に基づいており、任意の圧縮レベルとサイズで使用されます。このベンチマークは公開されており、隠されたテストセットと180万枚以上の操作された画像データベースを含んでいます。このデータセットは、比較可能な公開データセットよりも1桁以上大きい規模です。このデータに基づいて、私たちはデータ駆動型偽造検出器の詳細な分析を行いました。結果として、領域固有の知識を使用することで、強力な圧縮がある場合でも偽造検出の精度が大幅に向上し、人間観察者を明確に上回ることが示されました。