通过探索多任务学习关注深度伪造检测中的泛化性
计算机视觉与模式识别
2023-08-28 v1 人工智能
摘要
本工作探索多种利用多任务学习（MTL）技术的方法，旨在跨操纵场景下将视频分类为原始或篡改，以关注深度伪造场景中的泛化性。我们评估中使用的数据集为 FaceForensics++，其包含 1000 个原始视频，经四种不同技术篡改，共计 5000 个视频。我们在多任务学习与对比技术上进行广泛实验，这些技术在文献中因其泛化益处而被充分研究。可得出结论：所提出的检测模型具有相当好的泛化性，即与当前最优方法相比，能准确检测训练时未遇到的操纵方法。
引用
@article{arxiv.2308.13503,
title = {Attending Generalizability in Course of Deep Fake Detection by Exploring Multi-task Learning},
author = {Pranav Balaji and Abhijit Das and Srijan Das and Antitza Dantcheva},
journal= {arXiv preprint arXiv:2308.13503},
year = {2023}
}