用高质量深度伪造欺骗最先进的深度伪造检测器
计算机视觉与模式识别
2023-05-17 v2
摘要
由于深度伪造对安全和隐私的威胁日益增加，开发鲁棒且可靠的检测器最为重要。本文中，我们考察了此类检测器的训练数据集中对高质量样本的需求。据此，我们展示了在多个研究数据集上被证明泛化良好的深度伪造检测器，在面临精心制作的真实场景伪造时仍表现不佳。首先，我们提出了一种用于换脸的新型自编码器以及一种先进的人脸融合技术，并利用其生成了90个高质量深度伪造样本。其次，我们将这些伪造样本输入最先进的检测器，导致其性能急剧下降。此外，我们在我们的伪造样本上微调该检测器，并证明其中包含用于检测篡改的有用线索。总体而言，我们的结果为深度伪造检测器的泛化提供了见解，并表明其训练数据集应补充高质量伪造样本，因为仅基于研究数据训练是不够的。
引用
@article{arxiv.2305.05282,
title = {Fooling State-of-the-Art Deepfake Detection with High-Quality Deepfakes},
author = {Arian Beckmann and Anna Hilsmann and Peter Eisert},
journal= {arXiv preprint arXiv:2305.05282},
year = {2023}
}
备注
Accepted at IH&MMSec '23