双分支人脸伪造检测中的自适应频率学习
计算机视觉与模式识别
2022-03-29 v1 多媒体
摘要
人脸伪造在计算机视觉的近期应用中受到越来越多的关注。现有采用双分支框架的检测技术从频率视角获益良多，却受限于其固定的频率分解与变换。本文中，我们提出在双分支检测框架中自适应地学习频率信息，称为 AFD。具体而言，我们通过引入异质性约束自动学习频域中的分解，并提出一个基于注意力的模块以自适应地将频率特征融入空间线索。随后我们将网络从固定的频率变换中解放出来，并借助数据与任务相关的变换层取得了更优性能。大量实验表明 AFD 总体更优。
引用
@article{arxiv.2203.14315,
title = {Adaptive Frequency Learning in Two-branch Face Forgery Detection},
author = {Neng Wang and Yang Bai and Kun Yu and Yong Jiang and Shu-tao Xia and Yan Wang},
journal= {arXiv preprint arXiv:2203.14315},
year = {2022}
}
备注
Deepfake Detection