基于面部特征提取与建模的深度伪造检测
计算机视觉与模式识别
2025-07-28 v1 人工智能
摘要
深度伪造技术的兴起带来了关于在线媒体真实性的新问题。由人工智能（AI）生成的视频和图像日益难以区分于真实媒体，导致需要新的模型来检测人造媒体。虽然已有许多模型试图解决此问题，但大多数关注直接图像处理，采用卷积神经网络（CNN）或循环神经网络（RNN）直接与视频图像数据交互。本文引入一种仅使用面部关键点进行深度伪造检测的方法。使用由深度伪造和真实视频组成的人脸数据集，本文描述了一种用于深度伪造检测的面部关键点提取方法，侧重于识别面部运动的细微不一致性，而非原始图像处理。实验结果表明，这一特征提取技术在各种神经网络模型中都有效，对三个神经网络模型进行了测试，性能指标令人鼓舞，表明其在实际应用中的潜力。本文的发现包括 RNN 和人工神经网络（ANN）模型的准确率分别在 96% 至 93% 之间，CNN 模型约为 78%。该研究挑战了使用原始图像处理来识别深度伪造视频的假设，展示了一种兼容各种神经网络模型且所需参数更少的面部特征提取方法。
引用
@article{arxiv.2507.18815,
title = {Deepfake Detection Via Facial Feature Extraction and Modeling},
author = {Benjamin Carter and Nathan Dilla and Micheal Callahan and Atuhaire Ambala},
journal= {arXiv preprint arXiv:2507.18815},
year = {2025}
}
备注
Keywords: deepfake, facial recognition, feature extraction, artificial intelligence, recurrent neural network, convolutional neural network, artificial neural network