面向真实条件下基于学习的检测器评估新框架及其在深度伪造检测中的应用
计算机视觉与模式识别
2022-03-23 v1 图像与视频处理
摘要
深度卷积神经网络已在多项检测任务上展现出卓越结果。尽管取得显著进展，此类检测器的性能常在公开基准中以非真实条件进行评估。具体而言，压缩、噪声与增强等常规失真与处理操作的影响未得到充分研究。本文提出一种严格框架，用于在更真实情形下评估基于学习的检测器的性能。在深度伪造检测背景下给出了说明性示例。受评估结果启发，设计了一种基于自然图像退化过程的数据增强策略，显著提升了两个深度伪造检测器的泛化能力。
引用
@article{arxiv.2203.11797,
title = {A Novel Framework for Assessment of Learning-based Detectors in Realistic Conditions with Application to Deepfake Detection},
author = {Yuhang Lu and Ruizhi Luo and Touradj Ebrahimi},
journal= {arXiv preprint arXiv:2203.11797},
year = {2022}
}