כתבה
arXiv cs.LG ·
דטקטיה של דיפקים: פיתוח חדשני לזיהוי דיפקים באיכות נמוכה
Adaptive Gated Deepfake Detection for Low-Resolution and Resource-Constrained Environments
מערכת חדשה לזיהוי דיפקים באיכות נמוכה, המשתמשת בקריטריות של איכות התמונה כדי לקבוע את תהליך הדטקטיה. המערכת, שנקראת AdaGate-DF, מציגה תהליך חדשני של דטקטיה של דיפקים, המבוסס על רשת עצבים חדשה שמסוגלת לזהות דיפקים באיכות נמוכה. המערכת נבחנה על שני קבצי מדגם (Celeb-DF ו-FaceForensics++) והיא הציגה תוצאות טובות יותר מאשר רשתות דטקטיה קיימות.
תקציר מקורי באנגליתarXiv:2609.05320v1 Announce Type: cross Abstract: Deepfake detection models often rely on high-quality inputs, fixed inference paths, and computationally expensive architectures, limiting their use in low-resolution and resource-constrained settings. This paper proposes AdaGate-DF, an adaptive gated deepfake detection framework that uses image-quality cues to route samples through a dual multi-exit system so high-quality images can exit earlier and save compute. We evaluated AdaGate-DF against MaD-CoRN, DefakeHop++, and ShuffleNetV2 on two benchmark datasets (Celeb-DF and FaceForensics++) under multiple configurations to test image resolution dependence and training and inference efficiency. On Celeb-DF, AdaGate-DF achieves an AUC of 0.9370, outperforming MaD-CoRN and DefakeHop++ while mai
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית