Detekce manipulace u obrazových dat pomocí deepfake technologií

Abstract

Tato práce se zabývá problematikou detekce deepfake manipulace v obraze, která je spolu s jejich tvorbou aktuálním tématem v oblasti počítačového vidění a to především z důvodu narůstající popularity těchto manipulací, kvality jejich provedení a bezpečnostních a etických důsledků. Práce využívá nejaktuálnějších poznatků v této oblasti pro detekci manipulace ve statickém obraze -- v práci vybraný, natrénovaný a testovaný detektor je následně v další části práce předmětem snahy o zlepšení jeho rozeznávacích schopností na základě časové informace obsažené ve videonahrávce za pomocí rekurentních neuronových sítí.

This thesis addresses the issue of detecting deepfake image manipulation, which, along with the creation of such content, is currently a prominent topic in the field of computer vision. This is mainly due to the growing popularity of these manipulations, the quality of their execution, and their security and ethical implications. The thesis leverages the latest advancements in the field to detect manipulations in static images — the selected, trained, and tested detector is then further developed in the next part of the thesis in an attempt to improve its recognition capabilities by incorporating temporal information from video recordings using recurrent neural networks.