Student pracoval s relevantními zdroji a studijní materiály si aktivně dohledával samostatně. Získané poznatky vhodně využil při návrhu i implementaci výsledného řešení.

Práce byla dokončena v dostatečném předstihu a její finální podoba byla předem konzultována. K dokončování práce nemám žádné výhrady.

Práce je celkově čitelná a logicky strukturovaná, ale textová část má několik slabších míst. Abstrakt obsahuje zbytečně moc „obsahových informací“ a místy spíše popisuje, co všechno práce obsahuje, místo aby stručně prezentoval problém, motivaci, přístup k řešení a dosažené výsledky. Například informace o tom, že práce rozebírá background k deepfake detekci, do abstraktu nepatří.

Podobný problém má i rozšířený abstrakt a úvod práce. Z rozšířeného abstraktu je zajímavá přibližně třetina textu, zbytek je převážně generický popis obsahu jednotlivých kapitol. Čtenář ale očekává spíše shrnutí toho, co je důležité a jaké jsou hlavní přínosy práce.

V textu se objevují nejasné formulace jako například „conference-style datasets“ nebo „spracovanie v rámci samotnej konferenčnej karty“, kde není jasné, co přesně autor myslí. V úvodu navíc prakticky chybí citace a není zřejmé, které informace jsou převzaté a které představují vlastní formulace autora.

Myslím si také, že kapitola 3 mohla být součástí kapitoly 2. Samostatná dvoustránková kapitola působí zvláštně, obzvlášť když tematicky přímo navazuje na předchozí část.

Sekce 2.1 „What is a deepfake“ míchá dohromady definici deepfake, možnosti použití/zneužití i přehled nástrojů. Spíše bych zde očekával jasnější oddělení jednotlivých témat a například ilustrativní obrázek ukazující, jak deepfake výstup vypadá.

U sekce 2.2 je škoda, že představené architektury obsahují převážně jen obecná schémata bez formálnějšího popisu nebo matematického zápisu. Stejně tak by bylo zajímavější ukázat schémata toho, jak jsou architektury upravovány nebo trénovány pro generování deepfake obsahu, nejen jejich generickou podobu.

Podobný problém se objevuje i v sekci 4.4, kde u metod detekce deepfakes chybí detailnější vizualizace architektur nebo formálnější vysvětlení principu fungování jednotlivých modelů.

Velmi pozitivně naopak hodnotím kapitolu 5. Student se zde zamýšlí nad návrhem systému, nad požadavky na funkcionalitu a jednotlivá rozhodnutí většinou rozumně zdůvodňuje. Škoda jen, že tato část není více propojena s konkrétními scénáři útoků a reálnými incidenty z prostředí videokonferencí. V kapitole 3 bych například očekával rozbor konkrétních incidentů využití deepfake technologií při videokonferencích a z nich odvozený přesnější model útočníka. Současný model útočníka je spíše obecný a široký, místo aby byl úzce zaměřený na konkrétní scénář, který práce řeší.

Realizační výstup hodnotím pozitivně. Návrh systému je rozumný a většina návrhových rozhodnutí je podložena zdůvodněním. Student při trénování používá vhodné augmentace odpovídající očekávanému prostředí nasazení a správně využívá fine-tuning feature extractoru, což odpovídá běžné praxi při práci s předtrénovanými modely.

Popis trénování je ale poměrně stručný a z textu práce je reprodukovatelnost experimentů poměrně obtížná. Obvykle se uvádí konkrétní hyperparametry jako learning rate, optimizer, parametry label smoothingu, počet epoch, batch size nebo použité random seedy. Na druhou stranu všechny potřebné kódy a reproduction guide jsou dostupné v odevzdaných materiálech.

U bakalářských prací je také vhodné vysvětlit použité metriky už v návrhu experimentu. Precision, recall nebo F1-score jsou v práci použity, ale jejich teoretické pozadí není nikde vysvětleno.

Nerozumím úplně významu Figure 7.1 a 7.2. Klesající training loss je očekávané chování a podobné grafy často nepůsobí příliš profesionálně. Zároveň reportování pouze AUC hodnot není příliš vypovídající. Mnohem více bych ocenil ROC nebo DET křivky, které by ukázaly chování systému při různých nastaveních a provozních podmínkách.

Pokud správně interpretuji výsledky, latence systému dosahuje téměř 3.5 sekundy na poměrně výkonném CPU. To znovu otevírá otázku praktické použitelnosti a minimálních hardwarových požadavků klientského zařízení. Nabízí se otázka, zda je systém realisticky použitelný pro běžného uživatele, nebo pouze pro uživatele s výkonnějším hardwarem.

Stejně zajímavá je otázka škálování systému při sledování více účastníků videokonference.

Evaluation level: zadání splněno

Zadání bylo splněno bez zásadních výhrad. Všechny body zadání byly naplněny v dostatečné kvalitě. Student navrhl a implementoval systém pro detekci deepfake videí v prostředí videokonferencí a zvolené návrhové kroky jsou většinou podloženy vhodným zdůvodněním. Testování mohlo být dotaženo do většího detailu, zejména z pohledu prezentace výsledků a analýzy chování systému při různých nastaveních; současný stav přesahuje běžnou očekávanou úroveň bakalářské práce.

Reference jsou tvořeny převážně relevantní odbornou literaturou z oblasti detekce deepfake a souvisejících metod. Počet zdrojů je dostatečný. S výjimkou úvodní kapitoly práce většinou jasně ukazuje, které myšlenky jsou převzaté a které představují vlastní přínos studenta.

Výhradu mám k úvodu, kde není zřejmé, které části vycházejí z práce studenta a které jsou převzaté z literatury; v této části citace prakticky chybí. Dále je škoda, že práce nediskutuje některé novější datasety, například KoDF, DF40 nebo DeepfakeEval-2024.