超越检测：深度伪造的视觉真实感评估
计算机视觉与模式识别
2023-06-12 v1
摘要
在快速数字化和人工智能进步的时代，深度伪造（DeepFake）技术的发展引发了重大的安全与隐私担忧。本文提出了一种评估深度伪造视频视觉真实感的有效方法。我们利用两个卷积神经网络（CNN）模型Eva和ConvNext的集成。这些模型已在深度伪造游戏竞赛（DFGC）2022数据集上训练，旨在基于从帧序列中提取的特征预测深度伪造视频的平均意见得分（MOS）。我们的方法在近期与2023年国际生物识别联合会议（IJCB 2023）联合举办的DFGC视觉真实感评估中获得了第三名。我们概述了模型、数据预处理和训练流程，并报告了我们的模型相对于竞赛基线模型的性能，讨论了研究结果的启示。
引用
@article{arxiv.2306.05985,
title = {Beyond Detection: Visual Realism Assessment of Deepfakes},
author = {Luka Dragar and Peter Peer and Vitomir Štruc and Borut Batagelj},
journal= {arXiv preprint arXiv:2306.05985},
year = {2023}
}