从外观与行为检测深度伪造视频
计算机视觉与模式识别
2021-01-29 v1 机器学习
多媒体
图像与视频处理
摘要
合成生成的音频和视频——即所谓的深度伪造(deep fakes)——持续激发着计算机图形学与计算机视觉界的想象。与此同时，能够创建任何人说任何话的复杂操纵视频的技术的普及化令人担忧，因为它具有破坏民主选举、实施中小至大规模欺诈、助长虚假信息活动以及制造非自愿色情内容的能力。我们描述了一种基于生物特征的取证技术用于检测换脸深度伪造。该技术将基于面部识别的静态生物特征与基于面部表情和头部运动的时序行为生物特征相结合，其中行为嵌入是使用具有度量学习目标函数的 CNN 学习的。我们在多个大规模视频数据集以及真实场景中的深度伪造上展示了该方法的有效性。
引用
@article{arxiv.2004.14491,
title = {Detecting Deep-Fake Videos from Appearance and Behavior},
author = {Shruti Agarwal and Tarek El-Gaaly and Hany Farid and Ser-Nam Lim},
journal= {arXiv preprint arXiv:2004.14491},
year = {2021}
}