FaceForensics++：学习检测被篡改的人脸图像
计算机视觉与模式识别
2019-08-27 v3
摘要
合成图像生成与操纵的迅速进展现已达到引发对社会影响的重大关切之程度。往好里说，这导致对数字内容信任的丧失，但也可能通过传播虚假信息或假新闻造成进一步危害。本文考察了最先进图像操纵的真实程度，以及自动或人工检测它们的难度。为标准化检测方法的评估，我们提出一个面向人脸操纵检测的自动化基准。具体而言，该基准基于 DeepFakes、Face2Face、FaceSwap 与 NeuralTextures 这些在随机压缩级别与尺寸下的人脸操纵代表性方法。该基准公开可用，包含隐藏测试集以及超过 180 万张被篡改图像的数据集。该数据集比可比的公开伪造数据集大一个数量级以上。基于该数据，我们对数据驱动的伪造检测器做了透彻分析。我们表明，使用额外的领域特定知识可将伪造检测提升至前所未有的准确率，即便在强压缩下亦如此，并明显优于人类观察者。
引用
@article{arxiv.1901.08971,
title = {FaceForensics++: Learning to Detect Manipulated Facial Images},
author = {Andreas Rössler and Davide Cozzolino and Luisa Verdoliva and Christian Riess and Justus Thies and Matthias Nießner},
journal= {arXiv preprint arXiv:1901.08971},
year = {2019}
}
备注
Video: https://youtu.be/x2g48Q2I2ZQ