用于可泛化人脸伪造检测的可控引导空间
计算机视觉与模式识别
2023-07-27 v1
摘要
近期人脸伪造检测的研究在训练数据集涉及的方法上表现出令人满意的性能，但对未知域仍不够理想。这促使许多工作致力于提升泛化能力，但不同域特征中仍存在图像背景、身份等与伪造无关的信息，导致非预期聚类，限制了泛化。本文提出一种可控引导空间（GS）方法，以增强不同伪造域的判别性，从而增加特征的伪造相关性，进而改善泛化。该精心设计的引导空间能够以显式可控的方式同时实现伪造域间的适当分离以及真实-伪造域间的大间距。此外，为获得更好的判别性，我们使用解耦模块来削弱域间与伪造无关相关性的干扰。进而，我们根据邻域内同域特征的聚类程度对决策边界流形进行调整。多个域内与跨域设定下的大量实验证实，我们的方法能够达到最先进的（SOTA）泛化性能。
引用
@article{arxiv.2307.14039,
title = {Controllable Guide-Space for Generalizable Face Forgery Detection},
author = {Ying Guo and Cheng Zhen and Pengfei Yan},
journal= {arXiv preprint arXiv:2307.14039},
year = {2023}
}
备注
Accepted by ICCV 2023