基于3D时空轨迹的压缩深度伪造视频检测
计算机视觉与模式识别
2024-04-30 v1 人工智能
多媒体
摘要
深度伪造技术被恶意行为者滥用，构成对国家、社会和个人的潜在威胁。然而，现有深度伪造检测方法主要关注未压缩视频，如噪声特征、局部纹理或频率统计。在压缩视频上应用时，这些方法检测性能下降，不够适用于实际场景。本文提出一种基于3D时空轨迹的深度伪造视频检测方法。具体而言，我们利用稳健的3D模型构建时空运动特征，整合2D和3D帧的特征细节，以减轻大幅头部旋转角或帧内光照不足的影响。此外，我们将面部表情与头部运动分离，设计基于相位空间运动轨迹的序列分析方法，探讨深度伪造视频中真实与假脸部特征之间的差异。我们在多个压缩深度伪造基准数据集上进行大量实验，以验证所提方法的性能。通过计算视频压缩前后人脸关键点分布的一致性，验证了所设计特征的鲁棒性。我们的方法取得满意的效果，展示了其在实际应用中的潜力。
引用
@article{arxiv.2404.18149,
title = {Compressed Deepfake Video Detection Based on 3D Spatiotemporal Trajectories},
author = {Zongmei Chen and Xin Liao and Xiaoshuai Wu and Yanxiang Chen},
journal= {arXiv preprint arXiv:2404.18149},
year = {2024}
}