基于历史分布保持的连续人脸伪造检测
计算机视觉与模式识别
2023-08-14 v1
摘要
人脸伪造技术快速发展并构成严重安全威胁。现有人脸伪造检测方法试图学习可泛化特征,但仍不足以满足实际应用。此外,在历史训练数据上微调这些方法在时间与存储上资源消耗巨大。本文关注一个新颖且具挑战性的问题:连续人脸伪造检测(CFFD),旨在从新伪造攻击中高效学习而不遗忘先前的攻击。具体而言,我们提出历史分布保持(HDP)框架,保留并维护历史人脸的分布。为此,我们使用通用对抗扰动(UAP)来模拟历史伪造分布,并利用知识蒸馏来维持真实人脸在不同模型间的分布变化。我们还构建了带有三种评估协议的 CFFD 新基准。我们在基准上的大量实验表明,我们的方法优于最先进的竞争对手。
引用
@article{arxiv.2308.06217,
title = {Continual Face Forgery Detection via Historical Distribution Preserving},
author = {Ke Sun and Shen Chen and Taiping Yao and Xiaoshuai Sun and Shouhong Ding and Rongrong Ji},
journal= {arXiv preprint arXiv:2308.06217},
year = {2023}
}