使用双流卷积神经网络的伪造视觉内容检测
计算机视觉与模式识别
2021-01-05 v1 密码学与安全
摘要
对抗学习的快速进展已使得生成逼真外观的伪造视觉内容成为可能。为区分伪造与真实视觉内容，已提出若干检测技术。然而，这些技术大多在测试与训练数据来自不同分布时性能显著下降。这促使了旨在改善伪造检测器泛化能力的工作。由于当前伪造内容生成技术不能准确建模自然图像的频率谱，我们观察到伪造视觉数据的频率谱包含可用于检测伪造内容的判别性特征。我们还观察到频率谱中捕获的信息不同于空间域中的信息。利用这些见解，我们提出使用称为 TwoStreamNet 的双流卷积神经网络架构来补充频率与空间域特征。我们展示了所提双流网络对若干未见过的生成架构、数据集和技术的改进泛化能力。所提检测器相比当前最先进的（SOTA）伪造内容检测器表现出显著性能提升，且融合频率与空间域流也改善了检测器的泛化能力。
引用
@article{arxiv.2101.00676,
title = {Fake Visual Content Detection Using Two-Stream Convolutional Neural Networks},
author = {Bilal Yousaf and Muhammad Usama and Waqas Sultani and Arif Mahmood and Junaid Qadir},
journal= {arXiv preprint arXiv:2101.00676},
year = {2021}
}