使用卷积神经网络与 CapsuleNet 的可解释 Deepfake 视频检测
计算机视觉与模式识别
2024-04-22 v1 机器学习
图像与视频处理
摘要
源自深度学习的 Deepfake 技术可将个人无缝插入数字媒体中，而无论其是否实际参与。其基础在于机器学习和人工智能（AI）。最初，deepfakes 服务于研究、工业和娱乐。虽然该概念已存在数十年，但最近的进展使得 deepfakes 几乎与现实难以区分。其可及性大幅提升，甚至使新手也能创建令人信服的 deepfakes。然而，这种可及性引发了安全担忧。主要的 deepfake 创建算法 GAN（生成对抗网络）采用机器学习来制作逼真的图像或视频。我们的目标是利用 CNN（卷积神经网络）和带有 LSTM 的 CapsuleNet 来区分 deepfake 生成的帧与原始帧。此外，我们旨在通过可解释 AI 阐明我们模型的决策过程，促进透明的人机关系，并为现实场景提供实际示例。
引用
@article{arxiv.2404.12841,
title = {Explainable Deepfake Video Detection using Convolutional Neural Network and CapsuleNet},
author = {Gazi Hasin Ishrak and Zalish Mahmud and MD. Zami Al Zunaed Farabe and Tahera Khanom Tinni and Tanzim Reza and Mohammad Zavid Parvez},
journal= {arXiv preprint arXiv:2404.12841},
year = {2024}
}