基于多线性回归的 Deepfake 表征
计算机视觉与模式识别
2021-08-17 v1 人工智能
机器学习
摘要
诸如 GAN 之类的生成式神经网络架构可用于生成合成实例以弥补真实数据的不足。然而，它们也可能被用于创建可能引发社会、政治或经济动荡的媒体。一种新兴媒体是“Deepfake”。能够区分此类媒体的技术不可或缺。在本文中，我们提出了一种改进的多线性（张量）方法，即线性与多线性回归的组合，用于表征伪造与真实数据。我们通过用改进的多元线性（张量）方法表征 Deepfake 并执行 SVM 分类来测试我们的方法，取得了令人鼓舞的结果。
引用
@article{arxiv.2108.06702,
title = {Deepfake Representation with Multilinear Regression},
author = {Sara Abdali and M. Alex O. Vasilescu and Evangelos E. Papalexakis},
journal= {arXiv preprint arXiv:2108.06702},
year = {2021}
}