D2Fusion:基于特征叠加的双域融合深度伪造检测方法
计算机视觉与模式识别
2025-03-24 v1 人工智能
摘要
深度伪造检测对于遏制其对社会造成的危害至关重要。然而,当前的深度伪造检测方法由于缺乏充分的内在交互,未能彻底探索不同域中的伪影信息。这些交互指的是不同域特征提取过程之后的融合与协调,对识别复杂的伪造线索至关重要。着眼于更具泛化性的深度伪造检测,本工作引入了一种新颖的双向注意力模块,以从空间域捕获伪影线索的局部位置信息。这能够实现精确的伪影定位,从而解决对伪影特征的粗粒度处理。为进一步解决所提出的双向注意力模块可能无法很好地捕获伪影特征中全局细微伪造信息(如纹理或边缘)这一局限,我们在频率域中采用了细粒度频率注意力模块。通过这样做,我们可以获得细粒度特征中的高频信息,其中包含全局且细微的伪造信息。尽管来自不同域的特征可以被有效且独立地增强,但直接融合它们并不能有效提升检测性能。因此,我们提出了一种特征叠加策略,以补充来自空间域和频率域的信息。该策略将特征分量转化为波状标记的形式,并根据其相位进行更新,从而放大真实特征与伪影特征之间的差异。我们的方法在五个公开深度伪造数据集上,在捕获不同操纵操作及真实场景中的异常方面,相较于最先进(SOTA)方法展现出显著改进。
引用
@article{arxiv.2503.17184,
title = {D2Fusion: Dual-domain Fusion with Feature Superposition for Deepfake Detection},
author = {Xueqi Qiu and Xingyu Miao and Fan Wan and Haoran Duan and Tejal Shah and Varun Ojhab and Yang Longa and Rajiv Ranjan},
journal= {arXiv preprint arXiv:2503.17184},
year = {2025}
}