基于迁移学习的 Deepfake 视频取证
计算机视觉与模式识别
2020-09-17 v1
摘要
深度学习已被用于解决各领域中的复杂问题。随着其发展，它也产生了一些应用，这些应用对我们的隐私、安全甚至民主构成重大威胁。最近正在开发的一种此类应用是“Deepfake”。Deepfake 模型可以生成人类无法与真实媒体区分的假图像和视频。因此，在当今世界中，自动检测和分析数字视觉媒体的对抗应用是必要的。本文详述了重新训练图像分类模型以从每个 Deepfake 视频帧中获取特征。在将不同的 Deepfake 视频边缘片段集合输入后，通过神经网络中预训练的瓶颈层为每帧视频建立，该层包含所有图像的压缩数据并暴露 Deepfake 视频中的人工篡改。在检测 Deepfake 视频时，该技术获得了超过 87% 的准确率。该技术在 Face Forensics 数据集上进行了测试，并在检测中获得了良好准确率。
引用
@article{arxiv.2004.14178,
title = {Deepfake Video Forensics based on Transfer Learning},
author = {Rahul U and Ragul M and Raja Vignesh K and Tejeswinee K},
journal= {arXiv preprint arXiv:2004.14178},
year = {2020}
}
备注
This submission has been removed by arXiv administrators due to copyright infringement