DeepFakes 的演进：面部区域分析与假视频检测性能
计算机视觉与模式识别
2020-11-13 v2 多媒体
摘要
近年来，媒体取证引起了广泛关注，部分原因是围绕 DeepFakes 的担忧日益增加。从第一代初始 DeepFake 数据库（如 UADFV 和 FaceForensics++）到第二代最新数据库（如 Celeb-DF 和 DFDC），许多视觉改进得以实施，使得假视频几乎无法用肉眼分辨。本研究从面部区域和假视频检测性能两方面对第一代和第二代 DeepFakes 进行了详尽分析。在我们的实验框架中考虑了两种不同方法：i) 文献中遵循的传统方法，基于选择整张人脸作为假检测系统的输入；ii) 一种基于选择特定面部区域作为假检测系统输入的新型方法。在实验得出的所有发现中，我们强调即便是最强的当前最优（SOTA）假检测器在第二代最新 DeepFake 数据库中也取得了较差的检测结果，等错误率（Equal Error Rate）结果介于 15% 至 30% 之间。这些结果表明有必要开展进一步研究以开发更复杂的假检测器。
引用
@article{arxiv.2004.07532,
title = {DeepFakes Evolution: Analysis of Facial Regions and Fake Detection Performance},
author = {Ruben Tolosana and Sergio Romero-Tapiador and Julian Fierrez and Ruben Vera-Rodriguez},
journal= {arXiv preprint arXiv:2004.07532},
year = {2020}
}