Étude sur l'inversion de StyleGAN dans un contexte de détection d'hypertrucages - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Étude sur l'inversion de StyleGAN dans un contexte de détection d'hypertrucages

Résumé

Depuis plusieurs années les méthodes de trucage vidéo à base d'intelligence artificielle (hypertrucages) se multiplient. Des modèles d'apprentissage automatique pour la détection existent, mais ils ne fonctionnent de manière optimale que dans un contexte donné, sur des méthodes de falsification précises avec un accès à la bonne base de données d'entraînement. Pour palier ces problèmes, nous proposons de projeter les images suspectes dans un espace de plus faible dimension pour faciliter la mise au point de modèles de détection. Concrètement, nous comparons différentes méthodes d'inversion d'images dans l'espace latent de StyleGAN dans le contexte de la détection d'hypertrucages et nous montrons lesquelles sont les plus performantes en terme de précision ou de temps d'inversion sur la base « DeepFakeDetectionChallenge (DFDC) preview ».
Fichier principal
Vignette du fichier
2023_delmas1363.pdf (393.54 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04258240 , version 1 (25-10-2023)

Identifiants

  • HAL Id : hal-04258240 , version 1

Citer

Matthieu Delmas, Amine Kacete, Stephane Paquelet, Simon Leglaive, Renaud Seguier. Étude sur l'inversion de StyleGAN dans un contexte de détection d'hypertrucages. XXIXe Colloque GRETSI, GRETSI - Groupe de Recherche en Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04258240⟩
29 Consultations
31 Téléchargements

Partager

Gmail Facebook X LinkedIn More