基于自适应篡改痕迹提取网络的伪造人脸检测
计算机视觉与模式识别
2020-12-18 v2
摘要
随着 Face2Face 和 Deepfake 等人脸图像篡改（FIM）技术的泛滥，越来越多的伪造人脸图像在互联网上传播，给公众信任带来严峻挑战。人脸图像伪造检测在揭露特定 FIM 方面已取得显著进展，但在复杂场景（如进一步压缩、模糊、缩放等）下仍缺乏鲁棒的伪造人脸检测器来揭露人脸图像伪造。由于结构相对固定，卷积神经网络（CNN）倾向于学习图像内容表示。然而，对于图像取证任务，CNN 应当学习细微的篡改痕迹。为此，我们提出一种自适应篡改痕迹提取网络（AMTEN），作为预处理以抑制图像内容并突出篡改痕迹。AMTEN 利用自适应卷积层预测图像中的篡改痕迹，这些痕迹在后续层中通过反向传播过程中更新权重而被复用，以最大化篡改伪影。通过将 AMTEN 与 CNN 集成，构建了名为 AMTENnet 的伪造人脸检测器。实验结果证明，所提出的 AMTEN 实现了理想的预处理。在检测由各种 FIM 技术生成的伪造人脸图像时，AMTENnet 平均准确率达 98.52%，优于现有最优（SOTA）工作。在检测带有未知后处理操作的人脸图像时，该检测器平均准确率也达到 95.17%。
引用
@article{arxiv.2005.04945,
title = {Fake face detection via adaptive manipulation traces extraction network},
author = {Zhiqing Guo and Gaobo Yang and Jiyou Chen and Xingming Sun},
journal= {arXiv preprint arXiv:2005.04945},
year = {2020}
}