Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ExDDV: A New Dataset for Explainable Deepfake Detection in Video

Created by
  • Haebom
Category
Empty

저자

Vlad Hondru, Eduard Hogea, Darian Onchis, Radu Tudor Ionescu

개요

본 논문은 증가하는 심층 합성 영상의 현실성과 품질로 인해 자동 심층 합성 감지기에 대한 의존도가 높아지고 있고, 이 감지기의 오류 가능성과 설명 불가능성으로 인한 문제점을 해결하기 위해 제시되었다. 이를 위해 연구진은 최초의 설명 가능한 심층 합성 영상 감지 데이터셋 및 벤치마크인 ExDDV를 소개한다. ExDDV는 약 5.4K 개의 실제 및 심층 합성 영상으로 구성되며, 인공물을 설명하는 텍스트 설명과 인공물을 지적하는 클릭 정보로 수동 주석이 달려 있다. 다양한 미세 조정 및 컨텍스트 학습 전략을 사용하여 여러 비전-언어 모델을 ExDDV에서 평가한 결과, 심층 합성 영상의 인공물을 찾아내고 설명할 수 있는 강력한 설명 가능 모델을 개발하려면 텍스트 및 클릭 감독이 모두 필요함을 보여준다. 새로운 데이터셋과 결과 재현을 위한 코드는 https://github.com/vladhondru25/ExDDV 에서 이용 가능하다.

시사점, 한계점

•
시사점:
◦
설명 가능한 심층 합성 영상 감지 모델 개발을 위한 최초의 데이터셋 및 벤치마크 ExDDV 제공.
◦
텍스트 및 클릭 감독이 강력한 설명 가능 모델 개발에 필수적임을 증명.
◦
심층 합성 영상의 인공물을 정확히 찾아내고 설명하는 모델 개발 가능성 제시.
•
한계점:
◦
ExDDV 데이터셋의 규모가 더욱 확장될 필요가 있음.
◦
다양한 유형의 심층 합성 영상과 인공물을 더욱 포괄적으로 포함해야 함.
◦
실제 환경에서의 일반화 성능에 대한 추가적인 연구가 필요함.
👍
Made with Slashpage