DefakeHop：一种轻量级高性能深度伪造检测器
计算机视觉与模式识别
2021-03-15 v1
摘要
本文提出了一种轻量级高性能深度伪造检测方法，称为 DefakeHop。当前最先进的深度伪造检测方法均基于深度神经网络构建。DefakeHop 利用连续子空间学习（SSL）原理从人脸图像的不同部位自动提取特征。这些特征通过 c/w Saab 变换提取，并由我们的特征蒸馏模块经空间维度缩减与逐通道软分类进一步处理，以获得对人脸更为简洁的描述。我们进行了大量实验以证明所提出的 DefakeHop 方法的有效性。DefakeHop 的模型参数量仅为 42,845，在 UADFV、Celeb-DF v1 和 Celeb-DF v2 数据集上分别取得了 100%、94.95% 和 90.56% 的 ROC 曲线下面积（AUC）这一最先进性能。
引用
@article{arxiv.2103.06929,
title = {DefakeHop: A Light-Weight High-Performance Deepfake Detector},
author = {Hong-Shuo Chen and Mozhdeh Rouhsedaghat and Hamza Ghani and Shuowen Hu and Suya You and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2103.06929},
year = {2021}
}
备注
Accepted at ICME 2021