深度伪造检测：人类 vs. 机器

深度伪造视频将人的面孔自动替换为他人面孔，其生成日益容易且结果更逼真。为应对此类操纵对我们信任视频证据所造成的威胁，近期提出了多个大型深度伪造视频数据集及许多检测方法。然而，深度伪造视频对普通人的逼真程度如何，以及算法是否在检测上显著优于人类，仍不清楚。本文展示了一种类众包场景下的主观研究，系统评估人类判断视频是否为深度伪造的难度。评估中使用了从 Facebook 深度伪造数据库（由 Kaggle 2020 深度伪造检测挑战赛提供）手动预选的 120 个不同视频（60 个深度伪造与 60 个原始），每个视频由平均 19 名 naive 受试者回答简单问题：“视频中人物面孔是真还是假？”。主观评估结果并与两种基于 Xception 和 EfficientNets（B4 变体）神经网络的最先进深度伪造检测方法的性能进行比较，这些方法在另外两个大型公共数据库（Google 从 FaceForensics++ 提取的子集与近期 Celeb-DF 数据集）上预训练。评估表明，虽然人类感知与机器感知迥异，但二者均以不同方式被深度伪造成功欺骗。具体而言，算法难以检测那些人类受试者认为极易识别的深度伪造视频。