Key points are not available for this paper at this time.
أصبح انتشار توليد المحتوى المزيف واسع النطاق بشكل متزايد. الحلول الحالية للكشف التلقائي وتصنيف المحتوى الناتج تتطلب موارد حسابية كبيرة، مما يجعلها غير عملية للاستخدام من قبل الأفراد العاديين غير المتخصصين، لا سيما في تطبيقات الحوسبة الطرفية. في هذه الورقة، نقترح مجموعة من التقنيات لتسريع سرعة الاستدلال في اكتشاف المحتوى المزيف على بيانات الفيديو. كما نستمد الإلهام من أساليب تحليل التشفير لكشف المحتوى المزيف كأية حمولات سرية مشفرة في الصورة. علاوة على ذلك، تم تحديد بعض الاعتبارات الرئيسية لتقليل حجم الشبكة العصبية التلافيفية الأساسية بشكل كبير. أسفرت التجربة عن نتائج تنافسية عند تقييمها على مجموعتي بيانات المحتوى المزيف من الجيل الثاني، وهما Celeb-DFv2 و DFDC، بينما تتطلب فقط جزءًا من التكلفة والموارد الحسابية النمطية.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ismael Balafrej
Université de Sherbrooke
Mohamed Dahmane
Computer Research Institute of Montréal
Scientific Reports
Computer Research Institute of Montréal
Building similarity graph...
Analyzing shared references across papers
Loading...
درس بلفرج وآخرون (الجمعة) هذا السؤال.
synapsesocial.com/papers/6a00d51b413f0c047f2d7f8d — DOI: https://doi.org/10.1038/s41598-024-82223-y