探索解耦内容信息用于人脸伪造检测
计算机视觉与模式识别
2022-07-20 v1
摘要
基于卷积神经网络的人脸伪造检测方法在训练期间取得了显著效果，但在测试期间难以保持可比性能。我们观察到检测器更倾向于关注内容信息而非伪造痕迹，表明检测器对数据集的固有偏置敏感，从而导致严重过拟合。受这一关键观察启发，我们设计了一个易于嵌入的内容信息去除解耦框架，并进一步提出内容一致性约束（C2C）与全局表征对比约束（GRCC）以增强解耦特征的独立性。此外，我们巧妙构建了两个不平衡数据集以探究内容偏置的影响。大量可视化与实验表明，我们的框架不仅能忽略内容信息的干扰，还能引导检测器挖掘可疑伪造痕迹并取得具有竞争力的性能。
引用
@article{arxiv.2207.09202,
title = {Exploring Disentangled Content Information for Face Forgery Detection},
author = {Jiahao Liang and Huafeng Shi and Weihong Deng},
journal= {arXiv preprint arXiv:2207.09202},
year = {2022}
}