基于不一致头部姿态的 DeepFake 检测：可复现性与分析
计算机视觉与模式识别
2021-08-31 v1
摘要
深度学习在合成媒体生成中的应用使得技术门槛较低的用户也能制作出令人信服的伪造内容，即 DeepFake。DeepFake 检测是一个日益活跃的研究领域。本文中，我们分析了一种基于头部姿态估计的现有 DeepFake 检测技术，该技术可应用于由基于自编码器的换脸所生成的假图像。现有文献表明该方法是一种有效的 DeepFake 检测器，且其动机原理简洁直观。着眼于利用这些原理开发新的 DeepFake 检测器，我们对现有方法进行了可复现性研究。我们得出结论：尽管该方法享有盛誉，其实际优点被严重夸大。通过调查这一差异，我们揭示了与面部关键点检测、身份无关的头部姿态估计以及 DeepFake 检测器中的算法偏差相关的一系列重要且可推广的见解。我们的结果纠正了当前文献对 DeepFake 检测 SOTA 性能的认知。
引用
@article{arxiv.2108.12715,
title = {DeepFake Detection with Inconsistent Head Poses: Reproducibility and Analysis},
author = {Kevin Lutz and Robert Bassett},
journal= {arXiv preprint arXiv:2108.12715},
year = {2021}
}