面向戴口罩人脸图像的 Deepfake 检测
计算机视觉与模式识别
2022-07-05 v1 人工智能
机器学习
摘要
超逼真人脸图像生成与操纵已引发诸多不道德的社会问题，例如侵犯隐私、安全威胁与恶意政治操弄，这促使近期 deepfake 取证需求上升并发展了 deepfake 检测方法。迄今提出的 deepfake 检测方法已展现出卓越的检测性能与鲁棒性。然而，在 Covid-19 爆发后的疫情危机期间，现有 suggested deepfake 检测方法均未评估带口罩 deepfake 的检测性能。本文中，我们全面评估了最先进 deepfake 检测模型在带口罩 deepfake 上的性能。此外，我们提出两种增强口罩 deepfake 检测的方法：face-patch 与 face-crop。通过基线 deepfake 检测模型在各种 deepfake 数据集上对所提两种方法进行实验评估。我们广泛的实验表明，两种方法中 face-crop 优于 face-patch，并可作为 deepfake 检测模型在真实世界中检测带口罩伪造人脸的训练方法。
引用
@article{arxiv.2202.11359,
title = {Deepfake Detection for Facial Images with Facemasks},
author = {Donggeun Ko and Sangjun Lee and Jinyong Park and Saebyeol Shin and Donghee Hong and Simon S. Woo},
journal= {arXiv preprint arXiv:2202.11359},
year = {2022}
}
备注
This submission has been removed by arXiv administrators because the submitter did not have the authority to grant the license at the time of submission