面向跨域人脸伪造检测的对比脱敏学习
计算机视觉与模式识别
2025-05-28 v1
摘要
本文提出一种新的跨域人脸伪造检测方法，该方法对不同甚至未知的伪造方法不敏感，同时确保可接受的低误报率。尽管现有人脸伪造检测方法在一定程度上适用于多个域，但它们通常伴随高误报率，这会严重干扰系统的可用性。为解决此问题，我们提出一种基于鲁棒脱敏算法的对比脱敏网络（CDN），该算法通过从成对真实人脸图像的域变换中学习来捕获本质域特征。CDN 的一个优势在于，所学人脸表示关于其对域变化的鲁棒性具有理论证明。在大型基准数据集上的大量实验表明，与几种最先进的方法相比，我们的方法在提高检测准确率的同时实现了显著更低的误报率。
引用
@article{arxiv.2505.20675,
title = {Contrastive Desensitization Learning for Cross Domain Face Forgery Detection},
author = {Lingyu Qiu and Ke Jiang and Xiaoyang Tan},
journal= {arXiv preprint arXiv:2505.20675},
year = {2025}
}