对抗恶意媒体数据：篡改检测与Deepfake检测综述
计算机视觉与模式识别
2022-12-13 v1
摘要
以图像与视频为形式的在线媒体数据正成为主流传播渠道。然而，深度学习尤其是深度生成模型的最新进展，为低成本生成感知上以假乱真的图像与视频打开了大门，这不仅严重危及数字信息的可信性，更带来深远的社会影响。这催生了媒体篡改检测研究的日益增长兴趣，即利用深度学习技术甄别媒体数据是否遭恶意篡改。依目标图像内容，媒体伪造可分为图像篡改与Deepfake技术：前者通常移动或擦除普通图像中的视觉元素，后者则操纵人脸的表情乃至身份。相应地，防御手段包括图像篡改检测与Deepfake检测，二者具有广泛的共性。本文对当前媒体篡改检测方法进行全面综述，并探讨该领域未来研究所面临的挑战与趋势。
关键词
引用
@article{arxiv.2212.05667,
title = {Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection},
author = {Junke Wang and Zhenxin Li and Chao Zhang and Jingjing Chen and Zuxuan Wu and Larry S. Davis and Yu-Gang Jiang},
journal= {arXiv preprint arXiv:2212.05667},
year = {2022}
}