Ein Beitrag, der neun Trainingsverfahren für einen Deepfake-Detektor vergleicht: seine Genauigkeit, die Verlässlichkeit seiner Sicherheitsangaben und die Gesichtsbereiche, auf die er sich stützt.
Literaturangabe (BibTeX)
@inproceedings{kaya2026augmentation,
author = {Kaya, Mert and Adanova, Venera},
title = {Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention},
booktitle = {2026 11th International Conference on Computer Science and Engineering (UBMK)},
pages = {78--83},
year = {2026},
publisher = {IEEE},
doi = {10.1109/UBMK71847.2026.11745298},
url = {https://ieeexplore.ieee.org/document/11745298}
}