Detekce podvrhu obličeje v digitálních snímcích
Loading...
Date
Authors
Lapšanský, Tomáš
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
V posledných rokoch môžeme pozorovať nárast a rýchly rozvoj neurónových sietí a umelej inteligencie v informačných technológiách, medzi ktoré patria aj deepfake fotografie a videá. Generatívne adverzné neurónové siete (GAN) sú toho jasným príkladom. V súčasnosti dokážu dosiahnuť výsledky, ktoré bežný človek nedokáže rozoznať od reality. Keďže tieto siete sa preto dajú zneužiť na rôzne účely, je potrebné vedieť rozlíšiť, čo je vygenerované a čo je skutočné. Táto práca skúma súčasné najmodernejšie riešenia neurónových sietí, ktoré môžu slúžiť ako vhodné modely na detekciu deepfake. Skúmame jednotlivé architektúry, ktoré sú vhodné ako základný model na detekciu, zaoberáme sa možnými vylepšeniami tohto modelu a vyvíjame niekoľko nových architektúr. Tie potom skúmame a vyhodnocujeme ich výsledky. V závere uvádzame diskusiu o výsledkoch a otvárame ďalšie otázky týkajúce sa tejto zložitej problematiky.
In recent years, we can observe the rise and rapid development of neural networks and artificial intelligence in information technology, which include deepfake photos and videos. Generative adversarial neural networks (GANs) are a clear example of this. Nowadays, they can achieve virtually impossible results for the average person to distinguish from reality. Since these networks can therefore be misused for various purposes, it is necessary to be able to distinguish between what is generated and what is real. This thesis explores current state-of-the-art neural network solutions that can serve as suitable models for deepfake detection. We investigate individual architectures that are suitable as a baseline model for detection, address possible improvements to this model, and develop several new architectures. We then investigate these and evaluate their results. In conclusion, we have a discussion of the results and open further questions on this complex issue.
In recent years, we can observe the rise and rapid development of neural networks and artificial intelligence in information technology, which include deepfake photos and videos. Generative adversarial neural networks (GANs) are a clear example of this. Nowadays, they can achieve virtually impossible results for the average person to distinguish from reality. Since these networks can therefore be misused for various purposes, it is necessary to be able to distinguish between what is generated and what is real. This thesis explores current state-of-the-art neural network solutions that can serve as suitable models for deepfake detection. We investigate individual architectures that are suitable as a baseline model for detection, address possible improvements to this model, and develop several new architectures. We then investigate these and evaluate their results. In conclusion, we have a discussion of the results and open further questions on this complex issue.
Description
Citation
LAPŠANSKÝ, T. Detekce podvrhu obličeje v digitálních snímcích [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Informační systémy a databáze
Comittee
doc. Dr. Ing. Dušan Kolář (předseda)
prof. RNDr. Alexandr Meduna, CSc. (člen)
Ing. Vladimír Veselý, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Ing. Aleš Smrčka, Ph.D. (člen)
doc. RNDr. Jitka Kreslíková, CSc. (člen)
Date of acceptance
2023-06-20
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědi studenta na položenou otázku rozhodla práci hodnotit stupněm velmi dobře / B.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení