基于自动人脸加权的深度伪造检测
计算机视觉与模式识别
2020-05-06 v2 图像与视频处理
摘要
被篡改和操纵的多媒体日益增多，并通过社交媒体平台广泛传播。先进的视频操纵工具能够生成高度逼真的篡改多媒体。尽管已有许多检测方法被提出，但其中大多数在用于研究环境的数据集之外的数据上评估时表现不佳。为解决此问题，深度伪造检测挑战赛（DFDC）提供了一个包含真实篡改视频的大型数据集，以及一套评估系统，以确保方法在面临具有挑战性的数据时仍能快速且准确地工作。本文中，我们引入一种基于卷积神经网络（CNNs）和循环神经网络（RNNs）的方法，从视频中出现的人脸提取视觉与时序特征，以准确检测篡改。该方法在 DFDC 数据集上进行了评估，相较于其他技术取得了具有竞争力的结果。
引用
@article{arxiv.2004.12027,
title = {Deepfakes Detection with Automatic Face Weighting},
author = {Daniel Mas Montserrat and Hanxiang Hao and S. K. Yarlagadda and Sriram Baireddy and Ruiting Shao and János Horváth and Emily Bartusiak and Justin Yang and David Güera and Fengqing Zhu and Edward J. Delp},
journal= {arXiv preprint arXiv:2004.12027},
year = {2020}
}