DeepFake MNIST+：一个DeepFake人脸动画数据集
计算机视觉与模式识别
2021-08-19 v1 人工智能
摘要
DeepFakes作为面部操控技术，是对数字社会的新兴威胁。为检测此类数据，尤其是换脸数据，已有多种DeepFake检测方法和数据集被提出。然而，近期研究较少关注人脸动画，而后者在DeepFake攻击侧同样重要。它试图用驱动视频提供的动作来动画化一张人脸图像，这也引发了对近期支付系统安全的担忧——这些系统依赖活体检测，通过识别一系列用户面部动作来认证真实用户。然而，我们的实验表明，现有数据集不足以开发可靠的检测方法，且当前的活体检测器无法防御此类视频攻击。为此，我们提出一个名为DeepFake MNIST+的新人脸动画数据集，由SOTA图像动画生成器生成。它包含10,000段分属十种不同动作的面部动画视频，能够欺骗近期的活体检测器。本文还给出了一种基线检测方法及其综合分析。此外，我们分析了所提数据集的特性，并揭示了在不同运动类型和压缩质量下检测动画数据集的难度与重要性。
引用
@article{arxiv.2108.07949,
title = {DeepFake MNIST+: A DeepFake Facial Animation Dataset},
author = {Jiajun Huang and Xueyu Wang and Bo Du and Pei Du and Chang Xu},
journal= {arXiv preprint arXiv:2108.07949},
year = {2021}
}
备注
14 pages