FakeTracer：通过在训练中植入痕迹来捕获换脸 DeepFake
计算机视觉与模式识别
2024-04-23 v2
摘要
换脸 DeepFake 是一种新兴的基于 AI 的人脸伪造技术，可将视频中原始人脸替换为目标身份的生成人脸，同时保留表情、朝向等一致的人脸属性。由于人脸的高隐私性，该技术的滥用会引发严重的社会关切，近期引起了防御 DeepFake 的巨大关注。本文提出一种称为 FakeTracer 的新型主动防御方法，通过在训练中植入痕迹来揭露换脸 DeepFake。相较于通用的人脸合成 DeepFake，换脸 DeepFake 更为复杂，其涉及身份变化、经历编码-解码过程且为无监督训练，增加了在训练阶段植入痕迹的难度。为有效防御换脸 DeepFake，我们设计了两类痕迹——可持续痕迹（STrace）与可擦除痕迹（ETrace），将其添加至训练人脸中。训练过程中，这些被操控的人脸影响了换脸 DeepFake 模型的学习，使其生成仅含可持续痕迹的人脸。基于这两类痕迹，我们的方法可通过识别有效揭露 DeepFake。大量实验证实了该方法在防御换脸 DeepFake 上的有效性。
引用
@article{arxiv.2307.14593,
title = {FakeTracer: Catching Face-swap DeepFakes via Implanting Traces in Training},
author = {Pu Sun and Honggang Qi and Yuezun Li and Siwei Lyu},
journal= {arXiv preprint arXiv:2307.14593},
year = {2024}
}