FOCAL:一种基于视频编码自一致性的伪造定位框架
计算机视觉与模式识别
2021-06-04 v2 图像与视频处理
摘要
得益于强大且用户友好的编辑软件,任何人都能对视频内容进行伪造操作。视频的完整性验证与认证在新闻业(如揭穿假新闻)和处理数字证据的法律环境(如法庭)中均具有重要意义。尽管近年来已提出多种策略和不同的取证痕迹,最新解决方案旨在通过结合多个检测器和特征来提高准确性。本文提出一种视频伪造定位框架,通过融合一组独立特征描述子所提取的信息,验证视频帧间与帧内编码痕迹的自一致性。特征提取步骤由一种可解释的卷积神经网络架构完成,该架构专门设计用于查找并分类编码伪影。整体框架在两种典型伪造场景中得到验证:时间拼接与空间拼接。实验结果表明,在时间拼接定位上优于现有最优方法(state-of-the-art),并在新涉及的空间拼接真实与合成视频上也展现出良好性能。
引用
@article{arxiv.2008.10454,
title = {FOCAL: A Forgery Localization Framework based on Video Coding Self-Consistency},
author = {Sebastiano Verde and Paolo Bestagini and Simone Milani and Giancarlo Calvagno and Stefano Tubaro},
journal= {arXiv preprint arXiv:2008.10454},
year = {2021}
}