快于谎言：使用二值神经网络的实时深度伪造检测
计算机视觉与模式识别
2024-07-02 v1 机器学习
摘要
深度伪造检测旨在对抗深度生成媒体的传播，这些媒体破坏了在线内容的可信度。虽然现有方法侧重于大型复杂模型，但实时检测的需求要求更高的效率。考虑到这一点，与先前工作不同，我们引入了一种新颖的基于图像的深度伪造检测方法，使用二值神经网络（BNN）实现快速推理，且精度损失最小。此外，我们的方法结合了快速傅里叶变换（FFT）和局部二值模式（LBP）作为额外的通道特征，以揭示频率和纹理域中的操纵痕迹。在COCOFake、DFFD和CIFAKE数据集上的评估表明，我们的方法在大多数场景中达到了最先进的性能，同时在推理过程中实现了高达20倍的FLOPs减少的效率提升。最后，通过探索BNN在深度伪造检测中平衡准确性和效率，这项工作为未来高效深度伪造检测的研究铺平了道路。
引用
@article{arxiv.2406.04932,
title = {Faster Than Lies: Real-time Deepfake Detection using Binary Neural Networks},
author = {Lanzino Romeo and Fontana Federico and Diko Anxhelo and Marini Marco Raoul and Cinque Luigi},
journal= {arXiv preprint arXiv:2406.04932},
year = {2024}
}
备注
Accepted at CVPR24 DFAD Workshop