DepthFake：一种基于深度信息检测 Deepfake 视频的策略
计算机视觉与模式识别
2024-03-13 v1
摘要
近年来，虚假内容以惊人的速度增长。社交媒体和在线平台的传播使得恶意行为者越来越容易大规模散布这些内容。与此同时，由于虚假图像生成方法的日益普及，许多基于深度学习的检测技术被提出。大多数方法依赖于从 RGB 图像中提取显著特征，并通过二分类器检测图像是伪造还是真实的。在本文中，我们提出了 DepthFake，一项关于如何利用深度图改进经典基于 RGB 方法的研究。深度信息通过近期单目深度估计技术从 RGB 图像中提取。在此，我们证明了深度图对鲁棒预训练架构上 deepfake 检测任务的有效贡献。所提出的 RGBD 方法相对于 FaceForensic++ 数据集上的标准 RGB 架构，实际上能够实现平均 3.20% 的提升，对某些 deepfake 攻击最高达 11.7%。
引用
@article{arxiv.2208.11074,
title = {DepthFake: a depth-based strategy for detecting Deepfake videos},
author = {Luca Maiano and Lorenzo Papa and Ketbjano Vocaj and Irene Amerini},
journal= {arXiv preprint arXiv:2208.11074},
year = {2024}
}
备注
2022 ICPR Workshop on Artificial Intelligence for Multimedia Forensics and Disinformation Detection