Mar, 2018

多模态欺骗检测的深度学习方法

PDF
TL;DR本文提出了一种简单却难以超越的多模态神经模型，通过结合来自不同模态的特征，例如视频、音频、文本和微表情，我们证明了在现实生活视频中检测欺骗可以更加准确。在真实生活欺骗视频数据集上的实验结果表明，我们的模型在欺骗检测方面的准确率达到了 96.14％，ROC-AUC 为 0.9799。
发现论文，激发创造
  • 基于投票的多模态自动欺诈检测

    采用多模态投票型方法，利用图像、声音和语言特征进行自动欺骗检测，实验结果表明该方法优于现有技术。

    Jun, 2023

  • 视频自动欺诈检测：基于端到端学习的高级特征和分类方法

    本文通过结合深度学习和判别模型提出了一种多模态方法用于自动检测欺诈，并且在五个数据集上进行了评估，结果表明基于面部表情的方法优于基于凝视和头部位置的方法，并且多模态方法与特征选择的结合可以提高检测性能。

    Jul, 2023

  • 视频中的欺诈检测

    提出一种针对真实法庭审判视频中隐蔽自动欺诈检测的系统，该系统利用从图像、声音和文本三个层面得到的低级和高级特征预测人类微表情，其中，IDT 特征 和 MFCC 特征也对系统性能提供了重要帮助，系统在经过交叉验证的数据集上的 AUC 为 0.877，优于现有接近最优的方法，同时也提供了一个用户研究，分析一般人在这个任务上的表现。

    Dec, 2017

  • 使用双模态卷积神经网络从语言和生理数据流中进行欺诈检测

    利用卷积神经网络对多模态欺骗检测进行研究，从数据中提取语言和生理特征以训练神经网络模型，提出了融合两种模态的卷积神经网络模型，与早期方法相比，我们的系统表现更优，初步证明在数据有限的情况下使用神经网络进行欺骗检测是可行的。

    Nov, 2023

  • 基于情感状态构建鲁棒性特征的多模式视频欺诈检测新型投票方案

    本文介绍了一种基于多模态特征和情感状态的新的欺诈检测方法，该方法通过数据预处理、音频模式特征提取和投票方案等步骤，显著提高了多模态欺诈检测准确性，并实现了情感状态转换的新功能。

    Apr, 2021

  • 真相与仅有的真相：用于欺骗检测的多模式分析

    本文提出一种基于数据驱动的自动欺骗检测方法，利用面部特征的移动，声音模式和口头分析来判断证人是否说谎，建立了支持向量机模型，并采用基于词汇分析的视觉和词汇分析相结合的方法

    Mar, 2019

  • 多语种、多模态领域无关欺骗检测路线图

    通过使用多语言变形器模型和多语言标注数据，对跨语言和跨模态的虚假语言进行全面研究，以解决在计算机安全和自然语言处理领域的虚假检测任务。

    May, 2024

  • 利用 ATSFace 数据进行多模态欺骗检测的 LoRA 样式校准

    通过注意力感知神经网络和多模态融合策略，我们提出的方法在视频数据中准确地检测和阐明欺骗行为， 进一步使用低秩适应方法进行个体欺骗检测准确率的提高。

    Sep, 2023

  • 整合视听特征用于多模态深度伪造检测

    深度伪造是通过人工智能生成的媒体，其中图像或视频经过数字修改。本研究提出了一种基于音视频的深度伪造检测方法，将细粒度的深度伪造识别与二元分类结合，增强了在域内和跨域测试下的检测能力。

    Oct, 2023

  • 使用声学和文本特征检测政治辩论中的欺骗行为

    本研究利用真实的政治辩论语音数据集，采用多模态深度学习架构进行欺诈检测以提升检测准确度。实验结果表明，使用语音特征可以有效提高欺诈检测的表现，并将数据集公开以期推进多模态欺诈检测的研究。

    Oct, 2019