<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Detekcija artefaktov generativnih nasprotniških mrež kot pomoč pri detekciji globokih ponaredkov</dc:title><dc:creator>Križnar,	Vid	(Avtor)
	</dc:creator><dc:creator>Peer,	Peter	(Mentor)
	</dc:creator><dc:creator>Batagelj,	Borut	(Komentor)
	</dc:creator><dc:subject>globoki ponaredki</dc:subject><dc:subject>generativna nasprotniška mreža</dc:subject><dc:subject>nevronska mreža</dc:subject><dc:subject>artefakt</dc:subject><dc:subject>slikovna biometrija</dc:subject><dc:description>V delu predstavimo nov pristop k detekciji globokih ponaredkov. Globoki ponaredek je tip medija, t.j. slika ali video posnetek, pri katerem je del
slike, najpogosteje obraz ali telo digitalno modificirano. Velikokrat so uporabljeni za zle namene, kot je ˇsirjenje dezinformacij; najpogosteje so generirani
s pomočjo globokih ali generativnih nasprotniških mrež. Digitalna modifikacija medija pogosto pusti t.i. digitalne artefakte v podatkovnem zapisu
medija. Artefakte definiramo kot značilke v podatkih slikovnih elementov na
digitalnem mediju, ki nastopijo kot nezaželena posledica modifikacije medija.
V delu predstavimo pet metod detekcije globokih ponaredkov s pomočjo detekcije artefaktov generativnih nasprotniških mrež. Predstavljene metode
evalviramo na sedmih različnih podatkovnih bazah globokih ponaredkov, ki
jih dodatno razdelimo na take, ki so primarno generirane z generativno nasprotniško mrežo, in na te, ki niso. Pokažemo, da predstavljene metode
dosegajo obetavne rezultate na pripravljenih podatkovnih bazah.</dc:description><dc:date>2022</dc:date><dc:date>2022-12-21 09:10:00</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>143452</dc:identifier><dc:identifier>VisID: 34521</dc:identifier><dc:identifier>COBISS_ID: 136512515</dc:identifier><dc:language>sl</dc:language></metadata>
