FakePolisher：通过浅层重建使深度伪造图像更难以被检测
计算机视觉与模式识别
2020-08-18 v3 密码学与安全
机器学习
摘要
目前，基于 GAN 的图像生成方法仍不完美，其上采样设计在合成图像中会留下某些特定的伪影模式。这些伪影模式很容易被（近期方法）利用来区分真实图像与 GAN 合成图像。然而，现有的检测方法过于强调这些伪影模式，如果这些伪影模式被减少，这些方法可能失效。为了减少合成图像中的伪影，本文设计了一种简单而有效的方法，称为 FakePolisher，该方法通过一个学习到的线性字典对伪造图像进行浅层重建，旨在有效且高效地减少图像合成过程中引入的伪影。对 3 种最先进的 DeepFake 检测方法以及由 16 种流行的基于 GAN 的伪造图像生成技术生成的伪造图像进行的综合评估，证明了我们技术的有效性。总体而言，通过减少伪影模式，我们的技术显著降低了 3 种最先进的伪造图像检测方法的准确率，平均降低 47%，最坏情况下降低高达 93%。
引用
@article{arxiv.2006.07533,
title = {FakePolisher: Making DeepFakes More Detection-Evasive by Shallow Reconstruction},
author = {Yihao Huang and Felix Juefei-Xu and Run Wang and Qing Guo and Lei Ma and Xiaofei Xie and Jianwen Li and Weikai Miao and Yang Liu and Geguang Pu},
journal= {arXiv preprint arXiv:2006.07533},
year = {2020}
}
备注
9 pages, accepted by ACM MM 2020