Fundamental Technologies for Deep Fake Detection

本研究では深層学習の発展に伴って大きな社会問題となりつつあるディープ・フェイク（深層学習により合成された偽の画像・映像）に対して、正しく真贋判定する技術を確立することを目標とする。これにより、悪意のあるデマや犯罪を排除し、画像・映像を安心・信頼して利用できる社会の実現をざす。2022年度は下記の研究を行った。Self-Blended Images (SBI)法の確立：ディープ・フェイク生成技術を指定・限定することなく、汎用性を持ってディープ・フェイクを判別できる独自技術を実現した。従来技術ではフェイク生成技術ごとにそれぞれ個別の学習が必要だったり、汎用学習データの生成に膨大な計算コストがかかったりして実用的ではなかった。SBIでは1枚の画像から前景画像と背景画像を作り出し、微妙なaugmentationを施したあとにブレンドし直す事により疑似フェイク画像を生成する。本手法は難関国際会議であるCVPR2022でオーラル発表として採択されただけではなく、多くの報道で取り上げられた。新しい画像生成技術手法の提案：GAN技術は実は不安定であるため、適用対象は人の顔など限定的なのが現状である。今後GAN技術の安定化が進めば様々なターゲットに対して生成が可能になることが想定され、事前の対策が必要である。この問題に対し、我々は独自のbalanced Consistency Regularization (bCR)という手法によりGANを安定化する手法を確立した。どれもユニークな試みであり、いくつかの受賞があるほか、対外発表も順調に行った。

本研究では深層学習の発展に伴って大きな社会問題となりつつあるディープ・フェイク（深層学習により合成された偽の画像・映像）に対して、正しく真贋判定する技術を確立することを目標とする。これにより、悪意のあるデマや犯罪を排除し、画像・映像を安心・信頼して利用できる社会の実現をざす。2022年度は下記の研究を行った。Self-Blended Images (SBI)法の確立：ディープ・フェイク生成技術を指定・限定することなく、汎用性を持ってディープ・フェイクを判別できる独自技術を実現した。従来技術ではフェイク生成技術ごとにそれぞれ個別の学習が必要だったり、汎用学習データの生成に膨大な計算コストがかかったりして実用的ではなかった。SBIでは1枚の画像から前景画像と背景画像を作り出し、微妙なaugmentationを施したあとにブレンドし直す事により疑似フェイク画像を生成する。本手法は難関国際会議であるCVPR2022でオーラル発表として採択されただけではなく、多くの報道で取り上げられた。新しい画像生成技術手法の提案：GAN技術は実は不安定であるため、適用対象は人の顔など限定的なのが現状である。今後GAN技術の安定化が進めば様々なターゲットに対して生成が可能になることが想定され、事前の対策が必要である。この問題に対し、我々は独自のbalanced Consistency Regularization (bCR)という手法によりGANを安定化する手法を確立した。どれもユニークな試みであり、いくつかの受賞があるほか、対外発表も順調に行った。