ディープフェイク合成と検出：不均衡な対決

arXiv:2602.07986v1 発表タイプ：new 要旨：ディープフェイク技術の急速な進歩により、合成メディアの実在性が高く、アクセスしやすくなっています。拡散モデルやニューラルレイドースフィールド（NeRF）などの新興手法、ならびに従来の生成対抗ネットワーク（GAN）の改良が、ディープフェイクビデオの洗練された生成に寄与しています。同時に、ディープフェイク検出法も、トランスフォーマーアーキテクチャ、コントラスト学習、その他の機械学習手法のイノベーションによって顕著な進歩を遂げています。本研究では、最先端のディープフェイク検出技術に関する包括的な実証分析を実施し、最先端の合成手法に対する人間評価実験も併せ行いました。私たちの見解は、懸念すべき傾向を浮き彫りにします：多くの最先端検出モデルは、現代の合成手法（最高品質のディープフェイクを含む）で挑戦されると著しく低性能を示します。人間の参加者も同様に、最高品質のディープフェイクに対して低性能を示す事例がありました。広範な実験を通じて、検出モデルの改良がディープフェイク生成技術の進化に遅れをとらなければならず、継続的な精査の緊急が必要であるという根拠を提供しました。この研究は、現在の検出手法と新しい生成技術の洗練さとの間に存在する決定的なギャップを強調し、この重要な分野においてさらなる努力を呼びかけます。

arXiv:2602.07986v1 Announce Type: new Abstract: The rapid advancement of deepfake technology has significantly elevated the realism and accessibility of synthetic media. Emerging techniques, such as diffusion-based models and Neural Radiance Fields (NeRF), alongside enhancements in traditional Generative Adversarial Networks (GANs), have contributed to the sophisticated generation of deepfake videos. Concurrently, deepfake detection methods have seen notable progress, driven by innovations in Transformer architectures, contrastive learning, and other machine learning approaches. In this study, we conduct a comprehensive empirical analysis of state-of-the-art deepfake detection techniques, including human evaluation experiments against cutting-edge synthesis methods. Our findings highlight a concerning trend: many state-of-the-art detection models exhibit markedly poor performance when challenged with deepfakes produced by modern synthesis techniques, including poor performance by human participants against the best quality deepfakes. Through extensive experimentation, we provide evidence that underscores the urgent need for continued refinement of detection models to keep pace with the evolving capabilities of deepfake generation technologies. This research emphasizes the critical gap between current detection methodologies and the sophistication of new generation techniques, calling for intensified efforts in this crucial area of study.