ForensicsForest系列：用于检测GAN生成人脸的多尺度层级级联森林
计算机视觉与模式识别
2024-04-30 v2
摘要
生成模型的显著进展大幅提升了生成人脸的真实感，给社会带来严重隐忧。由于近期GAN生成人脸极具真实感，伪造痕迹愈发难以察觉，增加了取证难度。为应对GAN生成人脸，凭借强学习能力，许多基于卷积神经网络（CNNs）的对策应运而生。本文重新审视该问题，探索基于森林模型而非CNNs的新途径。具体而言，我们提出一套简单有效的基于森林的方法集，称为{\em ForensicsForest Family}，用于检测GAN生成人脸。所提ForensicsForest系列由三个变体组成，分别为{\em ForensicsForest}、{\em Hybrid ForensicsForest}与{\em Divide-and-Conquer ForensicsForest}。ForensicsForest是一种新提出的多尺度层级级联森林，以语义、频率与生物特征为输入，层级级联不同层级特征进行真伪预测，并采用多尺度集成方案综合考量不同层级信息以进一步提升性能。基于ForensicsForest，我们开发了扩展版Hybrid ForensicsForest，将CNN层集成至模型中，以进一步精炼增强特征的有效性。此外，为降低训练内存开销，我们提出Divide-and-Conquer ForensicsForest，其仅使用部分训练采样即可构建森林模型。训练阶段，我们利用训练样本子集训练若干候选森林模型，随后从这些候选森林模型中选取合适组件组装出一个ForensicsForest……
引用
@article{arxiv.2308.00964,
title = {ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces},
author = {Jiucui Lu and Jiaran Zhou and Junyu Dong and Bin Li and Siwei Lyu and Yuezun Li},
journal= {arXiv preprint arXiv:2308.00964},
year = {2024}
}
备注
To Appear in IEEE TIFS 2024