Este repositório é uma fonte central de informações sobre a Revisão de Escopo da Literatura sobre Detecção de Deepfake. Aqui, você encontrará uma compilação de recursos, incluindo artigos, relatórios e modelos de outros repositórios relevantes. O objetivo é fornecer uma referência única e acessível para pesquisadores e profissionais interessados na detecção de deepfakes.
https://github.com/topics/deepfakes
O DeepFaceLab é um software usado para criar deepfakes, especialmente para troca de rostos. Ele foi desenvolvido para ser fácil de usar, oferecendo ferramentas poderosas para criar deepfakes de alta qualidade. Uma das vantagens é que ele permite aos usuários personalizar o processo de criação sem precisar escrever muito código. Além disso, o DeepFaceLab pode produzir resultados com qualidade de cinema, superando outros métodos de troca de rostos. Em resumo, é uma ferramenta útil para criar deepfakes de forma simples e eficaz
Encontrei uma tentativa de rodar uma versão limitado do DFL com um colab:
- Reconheça e manipule rostos em Python ou na linha de comando com a biblioteca de reconhecimento facial mais simples do mundo.
- repo: https://github.com/ageitgey/face_recognition
- MediaPipe Solutions fornece um conjunto de bibliotecas e ferramentas para você aplicar rapidamente técnicas de inteligência artificial (IA) e aprendizado de máquina (ML) em seus aplicativos. Você pode conectar essas soluções aos seus aplicativos imediatamente, personalizá-las de acordo com suas necessidades e usá-las em diversas plataformas de desenvolvimento. MediaPipe Solutions faz parte do projeto de código aberto MediaPipe, então você pode personalizar ainda mais o código da solução para atender às necessidades do seu aplicativo.
- repo: https://github.com/google-ai-edge/mediapipe
- Deepface é uma estrutura leve de reconhecimento facial e análise de atributos faciais (idade, gênero, emoção e raça) para python. É uma estrutura híbrida de reconhecimento facial que envolve modelos de última geração: VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace e GhostFaceNet.
- https://github.com/serengil/deepface
Permite a visualização do comportamento da rede durante o treinamento e predição de deepfakes.
Keras Applications are deep learning models that are made available alongside pre-trained weights. These models can be used for prediction, feature extraction, and fine-tuning.
Compilado de informações que podem ser pertinentes para esse projeto.
- https://github.com/naveed88375/AI-ML
- https://github.com/datamllab/awesome-deepfakes-materials
- https://github.com/enochkan/awesome-gans-and-deepfakes
- https://github.com/aerophile/awesome-deepfakes
- https://github.com/Daisy-Zhang/Awesome-Deepfakes-Detection
- https://github.com/ControlNet/LAV-DF
- https://github.com/davide-coccomini/MINTIME-Multi-Identity-size-iNvariant-TIMEsformer-for-Video-Deepfake-Detection
- https://github.com/abhijitjadhav1998/Deepfake_detection_using_deep_learning
- https://github.com/FurkanGozukara/Stable-Diffusion
Funcional com dois modelos já treinados.
- Github repo: https://github.com/erprogs/GenConViT
- artigo: https://arxiv.org/pdf/2307.07036
- HugginFace repo: https://huggingface.co/Deressa/GenConViT
- https://github.com/HongguLiu/Deepfake-Detection - Funcional com modelo já treinado (3 modelos) - Base é o Faceforensis++
- repo: https://github.com/davide-coccomini/Combining-EfficientNet-and-Vision-Transformers-for-Video-Deepfake-Detection
- artigo: https://dl.acm.org/doi/abs/10.1007/978-3-031-06433-3_19
Olá! Sou um estudante de Ciência da Computação na Universidade Federal de Itajubá, com foco em estudar redes neurais profundas. Tenho experiência com algumas tecnologias que estão listadas no meu perfil. Atualmente trabalho como desenvolvedor Fullstack na Exati Tecnologia. Estou sempre em busca de desafios que me permitam crescer e colaborar em equipe.
Matheus Martins 🧑💻 |